1 基本信息
院校:德国的图宾根大学
网站:https://www.katrinrenz.de/plant
2 论文背景
2.1 现有问题
现在的基于学习的方法使用高精地图和BEV,认为准确的(达到像素级的pixel-level)场景理解是鲁棒的输出的关键。recovering pixel-level BEV information from sensor inputs。
2.2 作者的想法
作者认为这么丰富的信息是不必要的,仅仅使用低维的(物体级的object-level)特征——周车和routing信息即可。
3 解决办法
3.1 Tokenization
tokenization是指从场景如何获取token的过程。作者用的carla,细节略。直接看的得到的token。
Vt是车辆信息,St是routing信息。包含类型z,相对于自车的bouding box的位置x和y,长宽h和w,方向fai,一共6维。
3.2 Token Embeddings
将tokens输入给一个线性层,原来的6维变成H(hidden)维,再分别加入偏置ev和es,得到e。
3.3 自车规划任务
输入是3.2的线性化后的Vt+St和一个cls token(H维),transformer采用了BERT架构,输出采用GRU,通过自回归的方式输出Wx2的轨迹点。
3.4 周车预测任务
将transformer的输出h(每个周车都有h),经过一个线性层linear layer预测速度/位置/方向等。
3.5 loss设计
自车规划任务:自车轨迹的l1loss。
周车预测任务:交叉熵损失。
4 实验
4.1 Metrics
route completion,路线完成度,RC,越大越好
infraction score,(不)违法得分,IS,越小越好
Driving Score,驾驶得分,DS,是上述两个的加权平均。
Collisions with Vehicles per kilometer,每公里撞车次数,CV,越小越好
Inference Time,推理时间,IT,越小越好