「自動(dong)駕(jia)駛(shi)新(xin)青年講(jiang)座」由(you)智東(dong)西公開(kai)課企劃，致力于(yu)邀請全球知(zhi)名高校(xiao)、頂尖研究(jiu)機構以(yi)及優秀企業的(de)新(xin)青年，主講(jiang)在(zai)環境感知(zhi)、精準定位、決策規劃、控制(zhi)執行等自動(dong)駕(jia)駛(shi)關鍵技(ji)術上的(de)最新(xin)研究(jiu)成果和開(kai)發(fa)實踐。
「自動(dong)駕(jia)駛新青年講座」目前已完結(jie)21講，錯過往期(qi)講座直(zhi)播的(de)朋友，可以點擊文章底(di)部“閱讀原文”進行回看！
有興趣分享的朋友，可以與智(zhi)東西公開課(ke)教研團隊進行郵(you)件(jian)（class@sanyasheying.cn）聯系
近(jin)年來(lai)，自(zi)(zi)動(dong)駕駛汽車（AV）的(de)(de)智(zhi)能決(jue)策模塊(kuai)可以處理(li)的(de)(de)場(chang)景復雜(za)度(du)，逐(zhu)漸成為了(le)衡量和(he)評價自(zi)(zi)動(dong)駕駛能力的(de)(de)核心指標之一。
尤其(qi)是在強交互高密度場景中(zhong)，例如(ru)繁忙的城市道(dao)路(lu)(lu)(lu)、復(fu)雜的十字(zi)路(lu)(lu)(lu)口或多車道(dao)高速公路(lu)(lu)(lu)真(zhen)實(shi)道(dao)路(lu)(lu)(lu)，AV 如(ru)何進行智能決(jue)策，并生(sheng)成高效且安全的駕(jia)駛行為，仍然存(cun)在較大挑(tiao)戰。此(ci)類問(wen)題(ti)包(bao)含但不(bu)限于如(ru)何擬人地與人類交互，提升決(jue)策預(yu)測算法的泛(fan)化能力，有效處理多樣(yang)駕(jia)駛環境中(zhong)的corner?case問(wen)題(ti)等(deng)。
針對上述問題，多倫多大學的在讀博士王樂天等研究人員使用(Inverse) reinforcement learning，skill discovery，Bayesian inference等方法，使AV 產生不同風格的擬人化駕駛行為，并在線識別人類的駕駛風格，提升預測算法的場景可遷移性與個體可適應性。這些方法可以大幅提升自動駕駛決策算法的學習效率與性能，智能地解決強交互高密度駕駛場景下的泛化決策問題。相關成果的論文發表于RSS 2023、RA-L 2021（Best Paper）、NeurIPS 2021頂級會議期刊上。
9月1日10點，「自動駕駛新青年講座」第22講邀請到論文一作、多倫多大學在讀博士王樂天參與，主講《強交互高密度場景中自動駕駛智能決策與行為生成》。
講者
王樂天，多倫多大學在讀博士。研究方向為(wei)(wei)自動駕駛與(yu)機(ji)器(qi)(qi)人(ren)的智能決(jue)策、行為(wei)(wei)生成與(yu)預測、人(ren)機(ji)交(jiao)互(hu)、端到(dao)(dao)端自動駕駛。曾在(zai)RSS，CORL，RA-L，ICRA, Neurips，CVPR等機(ji)器(qi)(qi)學習與(yu)機(ji)器(qi)(qi)人(ren)頂級會(hui)議期刊發表多篇論文。曾在(zai)自動駕駛社會(hui)化行為(wei)(wei)生成的工(gong)作中(zhong)獲得IEEE Robotics and Automation Letters 2021年(nian)度Best?paper award honorable mention。曾獲2022年(nian)度CARLA端到(dao)(dao)端自動駕駛挑戰賽冠軍(jun)。
第22講
主 題
《強交互高(gao)密(mi)度場景中自動駕駛智(zhi)能決(jue)策與行為生成(cheng)》
提 綱
1、智能決策與行(xing)為(wei)生成問題與挑戰(zhan)
2、強交互(hu)駕(jia)駛場(chang)景中(zhong)社會化駕(jia)駛行(xing)為生成
3、強交(jiao)互駕(jia)駛場景可(ke)泛化、個體可(ke)適應行為(wei)預(yu)測(ce)
4、強交互高密度場景中強化(hua)學習ASAP-RL算法(fa)解析
5、智能(neng)決策與行為生(sheng)成未來展(zhan)望
直 播 信 息
直播(bo)時間：9月(yue)1日10:00
直播地(di)點：智東西公開(kai)課知識店鋪
成果
論文標題
《Efficient Reinforcement Learning for AutonomousDriving with Parameterized Skills and Priors》
《Socially-Compatible Behavior Design of Autonomous Vehicleswith Verification on Real Human Data》
《Hierarchical Adaptable and Transferable Networks(HATN) for Driving Behavior Prediction》
論文鏈接
//arxiv.org/pdf/2305.04412.pdf
//arxiv.org/pdf/2010.14712.pdf
//arxiv.org/pdf/2111.00788.pdf
