「自動駕駛新青年講座」由智猩猩企劃，致力于邀請全球知名高校、頂尖研究機構以及優秀企業的新青年，主講在環境感知、精準定位、決策規劃、控制執行等自動駕駛關鍵技術上的最新研究成果和開發實踐。
「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！
有興趣分享的朋友，可以與智猩猩教研團隊進行郵件（class@jmfly.net）聯系
自動駕駛領域的研究大多集中在城市道路、十字路口等規范性場景中。而對于泊車、施工現場、碼頭等“非標準”場景，由于其環境狹窄，且障礙物較多，車輛的行為模式也復雜多樣，無法簡單套用城市道路的解決方案。
針對這些狹窄環境，加州大學伯克利分校在讀博士沈煦等研究人員通過結合深度學習、強化學習、基于模型的優化與預測控制等方法，研究以停車場為例的狹窄環境中如何有效預測其他車輛的行為意圖和未來軌跡，解決多車沖突問題（Conflict Resolution），并生成符合車輛運動學特性和安全約束的最優軌跡。
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28日10點，「自動駕駛新青年講座」第24講邀請到論文一作、加州大學伯克利分校在讀博士沈煦參與，主講《狹窄環境下的車輛行為預測與多車自動駕駛軌跡規劃》。
講者
沈煦，加州大學伯克利分校在讀博士
研究方向為狹窄、復雜環境下的車輛行為預測、軌跡規劃和控制，在保證安全的同時提高任務效率、降低能耗。以第一作者身份在ICRA、ACC、IFAC、ITSC、IV等機器人、控制、智能車會議上發表多篇論文，并多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、狹窄環境下的自動駕駛研究難點
2、首個停車場景的高清視頻&軌跡數據集DLP
3、基于CNN和Transformer的軌跡預測模型ParkPredict+
4、基于強化學習與優化方法解決多車沖突問題
直 播 信 息
直播時間：9月28日10:00
直播地點：智猩猩知識店鋪
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
