分层驾驶模型连续意图到连续轨迹模仿学习.pdfVIP

模仿学习分层驾驶模型：从连续意图到连续轨迹

1,1,1,1,李月悦1†1

—缩小机器与人类驾驶水平差距的之一是如何赋

予系统处理环境、意图和动态耦合复杂性的学习能力。在本文

中，我们提出了一种具有显式连续意图模型和连续动态模型的

分层驾驶模型，该模型分解了人类驾驶数据中观察到的行为推

理中的复杂性。具体而言，连续意图模块接收感知信息以生成

编码物和意图的潜在地图。然后，将潜在地图视为条件，

结合当前动态，通过连续函数近网络生成连续轨迹作为输出，

其导数可用于监督而无需额外参数。最后，我们的方法通过数

据集和，证明了我们的方法在位移和速度预测精度方

面更高，并生成更平滑的轨迹。我们的方法还部署在带有循环

延迟的车辆上，验证了其有效性。据我们所知，这是首次图1：自动驾驶车辆的不同轨迹规划方法。(1)经典模

使用连续函数近网络生成驾驶轨迹的工作。我们的代码可在块化设计；(2.1)端到端规划方法；(2.2)类端到端规

‑Robotics‑Lab/CICT获取。划方法；(3)我们的分层模型。

缺乏人类系统设计，导致系统结构中固有的人类