BriefGPT - AI 论文速递
·
通过嵌入情景记忆的 NDT 实现车辆行为预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种行为模型，将驾驶员的互动意图编码为潜在的社会心理参数，并设计了基于贝叶斯滤波器的递进视界优化控制器以考虑互动驾驶员意图的不确定性。通过模仿行为模型和在线估计参数先验，并采用决策树搜索算法在线解决决策问题。实验结果表明该算法能够在各种交通条件下完成强制合并任务并确保驾驶安全。
🎯
关键要点
- 自主车辆需要与人类驾驶员互动以完成任务。
- 提出了一种行为模型，将驾驶员的互动意图编码为潜在的社会心理参数。
- 设计了基于贝叶斯滤波器的递进视界优化控制器，以考虑互动驾驶员意图的不确定性。
- 采用基于注意机制的神经网络架构来模仿行为模型和在线估计参数先验。
- 提出决策树搜索算法在线解决决策问题。
- 对行为模型进行了真实世界轨迹预测能力的评估。
- 在模拟环境和真实世界交通数据集中进行了强制公路合并场景的决策模块评估。
- 实验结果表明算法能够在各种交通条件下完成强制合并任务并确保驾驶安全。
➡️
