基于有向图的强化学习自动驾驶轨迹预测

作者：崔建明; 蔺繁荣; 张迪; 张路宁; 刘铭^*

来源：郑州大学学报(工学版), 2023, 44(05): 53-61.

DOI：10.13705/j.issn.1671-6833.2023.05.002

• 自动驾驶
• 轨迹预测
• 有向图
• 强化学习
• GAIL
• 注意力机制
• 多模态预测

轨迹预测作为自动驾驶中的重要组成部分，旨在对车辆进行行驶估计，以便车辆根据行驶估计进行路径规划，从而做出安全准确的决策。首先，为提升车辆轨迹预测精度，采用有向图方法构建高清驾驶场景地图，有向图方法将地图信息矢量化，以便有效提取地图拓扑结构；其次，采用生成对抗模仿学习(GAIL)通过生成器与判别器的对抗博弈学习数据集驾驶策略，从而根据当前状态采取对应驾驶行为；最后，通过采样遍历得到多模态预测轨迹方案。在nuScenes运动预测数据集上进行仿真，量化结果显示相比于其他方法，K=5时，最小最终位移误差MinFDE5提高了10.8%;K=10时，最小最终位移误差MinFDE10提高了17.53%,最小平均位移误差MinADE10提高了9.52%,失误率MissRate10减少了28.26%。评估结果表明：生成的轨迹多模态符合场景基本结构，且准确度得到提高。

• 单位
  国家计算机网络应急技术处理协调中心