.png){kind=icon}
返回
Path Planning Considering Artificial Potential Fields Based on Trajectory Prediction
.png){kind=icon}
PRE
AI
DOI：10.1109/tvt.2026.3680518.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着深度学习技术的发展，轨迹预测的准确性显著提高。利用预测轨迹进行运动规划可以更有效地降低车辆之间的碰撞风险。然而，先前的研究表明，直接在规划中使用预测轨迹往往导致次优性能，甚至可能引发碰撞。为解决这一问题，我们提出了一种将轨迹预测与人造势场（APFs）相结合的新型框架，从而能够在规划中有效利用预测结果。本文介绍了一种基于深度学习轨迹预测和车辆间交互构建时空风险（STR）场的轨迹规划框架。规划模块随后采用基于优化的方法，考虑包括安全性、舒适性、规则合规性、效率以及拟人化在内的多个目标。在真实世界数据集上的评估表明，与基线驾驶安全场（DSF）方法相比，我们的方法在最小预期碰撞时间（$\text{ACT}_{\min}$）上提升了8.72%，效率提高了36.0%。与其他竞争方法相比，我们的方法在$\text{ACT}_{\min}$上提升了10.67%，同时在舒适性、效率和拟人化方面保持竞争力。NuPlan闭环实验的结果表明，我们的方法在复杂场景中展现出卓越的规划能力，超越了所有基线方法的性能。此外，闭环实验证明，我们的方法能够在高度交互的交通场景中实现连续且无碰撞的规划。
Keyword:
Risk assessment
trajectory prediction
path planning
期刊
IF:
7.1
论文数:
1.8W
被引数:
6.6W
机构
引用论文
CL-FDAPF trajectory planner and FO-LADRC motion controller for autonomous sweeper vehicleCL-FDAPF轨迹规划器与FO-LADRC运动控制器用于自主清扫车.png)
Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering
Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile EngineeringIF0
PREAI
分享收藏TREMP: Field-Based Traffic Risk Evaluation Considering Interactive Motion PredictionTREMP：基于现场的交通风险评价考虑交互式运动预测
PREAI
分享收藏分享收藏分享收藏
Anticipated Collision Time (ACT): A two-dimensional surrogate safety indicator for trajectory-based proactive safety assessment预期碰撞时间 (ACT): 基于轨迹的主动安全评估的二维替代安全指标
PREAI
分享收藏
查看更多内容