準(zhǔn)確理解環(huán)境（例如車與車和車與車道之間的相互作用）對于包括軌跡預(yù)測和運動規(guī)劃在內(nèi)的自動駕駛?cè)蝿?wù)是至關(guān)重要的。而環(huán)境信息來自高清地圖和車輛的歷史軌跡。
目前，已經(jīng)提出了基于學(xué)習(xí)的數(shù)學(xué)的模型用于完成上述兩個駕駛?cè)蝿?wù)，但存在著環(huán)境理解偏差問題。具體而言，由于地圖數(shù)據(jù)和軌跡數(shù)據(jù)的異構(gòu)性，許多基于學(xué)習(xí)的模型以單獨和順序的方式提取車與車和車與車道之間的相互作用，從而導(dǎo)致預(yù)測和規(guī)劃準(zhǔn)確性降低。至于數(shù)學(xué)模型，環(huán)境信息主要用于表征無碰撞空間，而相互作用則被很大程度上忽略了。
為此，香港城市大學(xué)張祎凡老師等研究人員提出一種將車輛軌跡數(shù)據(jù)和高精地圖這兩種異構(gòu)的數(shù)據(jù)融合成一種統(tǒng)一環(huán)境表達的時間占用流圖TOFG（Temporal Occupancy Flow Graph）。與TOFG相關(guān)的論文收錄于ICRA 2023上。
時間占用流圖TOFG由多個占據(jù)流圖OFG（Occupancy Flow Graph）組成，每個OFG包含了某一時刻的車輛以及地圖信息。OFG以高精地圖中的車道圖為基礎(chǔ)，融合了地圖中各車輛的信息。時序邊（temporal edge）將相鄰兩個時刻的OFG的結(jié)點連接起來，于是若干個OFG通過時間上的依賴關(guān)系，連接成了一個完整的時間占用流圖TOFG。
將 TOFG 與基于圖注意（GAT）的神經(jīng)網(wǎng)絡(luò)結(jié)合起來，提出 TOFG-GAT 來展示 TOFG 對基于學(xué)習(xí)的軌跡預(yù)測和運動規(guī)劃的好處。此外，該團隊還設(shè)計了一種基于 TOFG 的交互感知采樣策略，以改進基于數(shù)學(xué)采樣的運動規(guī)劃算法。
大量實驗結(jié)果表明，TOFG 可以通過提高基于學(xué)習(xí)和數(shù)學(xué)模型的生成軌跡的質(zhì)量和計算效率。TOFG-GAT模型在自動駕駛軌跡預(yù)測和運動規(guī)劃任務(wù)上可達到并超過現(xiàn)有模型的水平。
10月18日晚7點，智猩猩邀請到香港城市大學(xué)（東莞）助理教授張祎凡參與「智猩猩自動駕駛新青年講座」第39講，主講《自動駕駛中將軌跡和高精地圖統(tǒng)一的環(huán)境表達方式》。
講者
張祎凡
香港城市大學(xué)（東莞）助理教授
張祎凡博士，畢業(yè)于香港城市大學(xué)計算科學(xué)系，現(xiàn)于香港城市大學(xué)（東莞）擔(dān)任助理教授，研究方向為無人駕駛、智能交通系統(tǒng)、交通流分析及建模及交通大數(shù)據(jù)分析，已在領(lǐng)域內(nèi)發(fā)表頂級期刊及會議論文15篇，其中第一作者論文8篇，擁有4項發(fā)明專利，在多個頂級國際期刊及國際會議擔(dān)任審稿人，包括Tranportation Research Part C, IEEE TITS，TRB，IROS等。
第 39 講
主 題?
《自動駕駛中將軌跡和高精地圖統(tǒng)一的環(huán)境表達方式》
?提 綱?
1、自動駕駛預(yù)測與規(guī)劃任務(wù)中的環(huán)境理解偏差問題
2、用于統(tǒng)一環(huán)境細粒度的時間占用流圖TOFG
3、結(jié)合TOFG與圖注意力網(wǎng)絡(luò)的預(yù)測規(guī)劃模型TOFG-GAT
4、實驗結(jié)果及分析總結(jié)
?直 播 信 息?
直播時間：10月18日19:00
成果
論文標(biāo)題
《TOFG: A Unified and Fine-Grained Environment Representation in Autonomous Driving》
?論文鏈接
https://arxiv.org/abs/2305.20068
如何報名
有講座直播觀看需求的朋友，可以添加小助手“陳新”進行報名。已添加過“陳新”的老朋友，可以給“陳新”私信，發(fā)送“自動駕駛39”進行報名。對于通過報名的朋友，之后將邀請入群進行觀看和交流。
