基于有向图的强化学习自动驾驶轨迹预测

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MinFDE_(5)提高了10.8%;K=10时,最小最终位移误差MinFDE_(10)提高了17.53%,最小平均位移误差MinADE_(10)提高了9.52%,失误率MissRate_(10)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。