Trajektorien-gesteuerte Kontrollvorhersage für end-to-end autonomes Fahren: Eine einfache, aber starke Baseline

Aktuelle End-to-End-Methoden für autonomes Fahren arbeiten entweder mit einem auf einer geplanten Trajektorie basierenden Regler oder führen eine direkte Kontrollvorhersage durch, was zwei getrennte Forschungsrichtungen hervorgebracht hat. In Anbetracht ihrer gegenseitigen Vorteile füreinander nimmt diese Arbeit die Initiative, die Kombination dieser beiden gut entwickelten Bereiche zu erforschen. Speziell besitzt unser integrierter Ansatz zwei Zweige für Trajektorienplanung und direkte Steuerung, jeweils. Der Trajektorienzweig prognostiziert die zukünftige Trajektorie, während der Kontrollzweig ein neuartiges Mehrschritt-Vorhersageschema umfasst, sodass das Verhältnis zwischen aktuellen Aktionen und zukünftigen Zuständen begründet werden kann. Die beiden Zweige sind miteinander verbunden, so dass der Kontrollzweig bei jedem Zeitpunkt entsprechende Leitlinien vom Trajektorienzweig erhält. Die Ausgaben der beiden Zweige werden dann fusioniert, um ergänzende Vorteile zu erzielen. Unsere Ergebnisse wurden in einer geschlossenen Schleife im städtischen Fahrsetting mit anspruchsvollen Szenarien unter Verwendung des CARLA-Simulators evaluiert. Selbst bei Eingabe durch eine monoökulare Kamera rangiert der vorgeschlagene Ansatz an erster Stelle auf dem offiziellen CARLA-Leaderboard und übertrifft andere komplexe Kandidaten mit mehreren Sensoren oder Fusionmechanismen deutlich. Der Quellcode ist öffentlich verfügbar unter https://github.com/OpenPerceptionX/TCP.