「自動(dong)駕駛新青(qing)年講座」由智(zhi)東西公開(kai)課(ke)企(qi)劃，致力于(yu)邀請全球(qiu)知(zhi)名(ming)高校(xiao)、頂尖(jian)研(yan)究機構以及優秀(xiu)企(qi)業的新青(qing)年，主講在(zai)環境感(gan)知(zhi)、精準定位(wei)、決策規劃、控制執行等自動(dong)駕駛關鍵技(ji)術(shu)上的最(zui)新研(yan)究成(cheng)果和開(kai)發實踐。
「自動駕駛新青(qing)年講座(zuo)」目(mu)前已完結21講，錯過往期講座(zuo)直(zhi)播的朋友，可以點擊文章底(di)部“閱讀原(yuan)文”進行(xing)回看！
有興(xing)趣分享的朋友(you)，可以(yi)與(yu)智東(dong)西公開課教研團(tuan)隊進行(xing)郵件（class@jmfly.net）聯系
近年來(lai)，自動駕駛汽(qi)車（AV）的(de)(de)智(zhi)能決(jue)策(ce)模(mo)塊可以處理的(de)(de)場景復雜度，逐漸成(cheng)為了衡量(liang)和評價自動駕駛能力(li)的(de)(de)核心(xin)指標之一。
尤其是在強交(jiao)(jiao)互高密度場景中(zhong)，例(li)如(ru)(ru)繁忙(mang)的城(cheng)市(shi)道路(lu)、復雜的十(shi)字路(lu)口或(huo)多車道高速(su)公路(lu)真實道路(lu)，AV 如(ru)(ru)何(he)進行智能決策(ce)，并生(sheng)成高效(xiao)且安全的駕駛(shi)行為，仍然存(cun)在較(jiao)大挑戰(zhan)。此(ci)類問題包含但不限于(yu)如(ru)(ru)何(he)擬人地與人類交(jiao)(jiao)互，提升決策(ce)預(yu)測(ce)算法的泛化能力，有效(xiao)處理多樣駕駛(shi)環境中(zhong)的corner?case問題等(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(yan)究方向為自(zi)(zi)動駕(jia)駛與(yu)機器人(ren)的(de)智能決策、行為生(sheng)成與(yu)預(yu)測、人(ren)機交(jiao)互、端(duan)(duan)到端(duan)(duan)自(zi)(zi)動駕(jia)駛。曾(ceng)在RSS，CORL，RA-L，ICRA, Neurips，CVPR等機器學習與(yu)機器人(ren)頂級會議期刊發(fa)表多篇論文(wen)。曾(ceng)在自(zi)(zi)動駕(jia)駛社(she)會化行為生(sheng)成的(de)工作中獲得IEEE Robotics and Automation Letters 2021年(nian)度Best?paper award honorable mention。曾(ceng)獲2022年(nian)度CARLA端(duan)(duan)到端(duan)(duan)自(zi)(zi)動駕(jia)駛挑戰(zhan)賽(sai)冠軍。
第22講
主 題
《強(qiang)交互(hu)高密(mi)度場景(jing)中自動(dong)駕(jia)駛智(zhi)能決(jue)策(ce)與行為生(sheng)成(cheng)》
提 綱
1、智能決(jue)策與行為生成問題與挑戰
2、強(qiang)交互駕駛(shi)場景中社會(hui)化(hua)駕駛(shi)行為生成
3、強交互駕(jia)駛場(chang)景可泛化、個體可適應行為預測
4、強(qiang)交(jiao)互高(gao)密度場景中強(qiang)化學習ASAP-RL算法(fa)解析
5、智能決策(ce)與(yu)行為(wei)生成未來展(zhan)望
直 播 信 息
直播時(shi)間：9月1日10:00
直播地點：智東(dong)西公(gong)開課知識店鋪
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
