「自(zi)動駕(jia)駛(shi)(shi)新青年講座」由智猩猩企劃(hua)，致(zhi)力(li)于邀請(qing)全球知名高(gao)校、頂(ding)尖(jian)研究機構以及(ji)優(you)秀(xiu)企業的(de)新青年，主講在環境(jing)感(gan)知、精(jing)準定位、決策(ce)規劃(hua)、控(kong)制執行等自(zi)動駕(jia)駛(shi)(shi)關鍵技術上(shang)的(de)最新研究成果和(he)開(kai)發(fa)實踐。
「自動駕駛新青年講座」目前已完結23講，錯過往期講座直播的朋友，可以點擊文章底部“閱讀原文”進行回看！
有興趣(qu)分享的朋友，可以與(yu)智猩猩教研團隊進行郵(you)件（class@sanyasheying.cn）聯系
自(zi)動(dong)駕駛領域(yu)的研究大(da)多(duo)集中在(zai)城市道路、十字(zi)路口等(deng)規范性場(chang)景中。而對于泊車、施工(gong)現場(chang)、碼頭等(deng)“非標準(zhun)”場(chang)景，由于其環境狹窄(zhai)，且障礙物較多(duo)，車輛的行為模式(shi)也復雜多(duo)樣，無法簡單套用城市道路的解決方案。
針對這些(xie)狹(xia)窄環(huan)(huan)境，加州大學伯克利(li)分校在讀博士沈煦等研(yan)究人員通過結(jie)合(he)深度學習、強化(hua)學習、基于(yu)模型的優化(hua)與預(yu)測(ce)控制等方法(fa)，研(yan)究以(yi)停車場為(wei)例的狹(xia)窄環(huan)(huan)境中(zhong)如何有效預(yu)測(ce)其他(ta)車輛的行為(wei)意圖和(he)未來軌(gui)(gui)跡(ji)，解決多車沖突問題（Conflict Resolution），并生成符合(he)車輛運動(dong)學特(te)性和(he)安全約束的最(zui)優軌(gui)(gui)跡(ji)。
該團隊發布了首個停車場環境下的高精度視頻+軌跡數據集Dragon Lake Parking Dataset，并提出了一種基于CNN和Transformer的行為和軌跡預測模型ParkPredict+。此外，還結合強化學習與優化方法，解決了狹窄空間內的多車沖突問題（Conflict Resolution）。相關論文成果分別收錄于IEEE ITSC 2022、IFAC World Congress 2023、IEEE IV 2023 頂會上。
9月(yue)28日10點，「自動駕駛新青年講座」第24講邀請(qing)到論文一作、加州大學伯克利(li)分校(xiao)在(zai)讀博士沈煦參與，主講《狹窄環境(jing)下的車輛行為預測與多車自動駕駛軌(gui)跡規劃》。
講者
沈煦，加州大學伯克利分校在讀博士
研(yan)究方(fang)向為(wei)狹窄(zhai)、復雜環境下的(de)車(che)輛行為(wei)預測、軌跡規劃和控制(zhi)，在保證安全的(de)同時(shi)提(ti)高任務效率、降低能(neng)耗。以第一作(zuo)者身份在ICRA、ACC、IFAC、ITSC、IV等機器(qi)人、控制(zhi)、智能(neng)車(che)會議上發表多(duo)(duo)篇論文(wen)，并多(duo)(duo)次擔任相關頂級期刊和會議審稿人。
第24講
主 題
《狹窄環境下的車輛行為預測與多車自動駕駛軌跡規劃》
提 綱
1、狹(xia)窄環境下(xia)的(de)自(zi)動駕駛(shi)研究難點
2、首(shou)個(ge)停車場景的高清(qing)視頻&軌跡數據集DLP
3、基于CNN和Transformer的軌跡預測模型ParkPredict+
4、基于強化學習與優(you)化方(fang)法解決多車(che)沖突(tu)問題
直 播 信 息
直播(bo)時間：9月28日10:00
直播地點：智(zhi)猩猩知識店鋪
成果
論文標題及鏈接
《ParkPredict+: Multimodal Intent and Motion Prediction for Vehicles in Parking Lots with CNN and Transformerg》
//arxiv.org/abs/2204.10777
《Multi-vehicle Conflict Resolution in Highly Constrained Spaces by Merging Optimal Control and Reinforcement Learning》
//arxiv.org/abs/2211.01487
《Reinforcement Learning and Distributed Model Predictive Control for Conflict Resolution in Highly Constrained Spaces》
//arxiv.org/abs/2302.01586
數據集
//sites.google.com/berkeley.edu/dlp-dataset
