山东网站备案注销申请表,网络运维工程师招聘,创意网站交互,网站建网站本文主要是SafetyNet的框架概述。 1. 前言
文中提到了传统的决策规划的方法#xff0c;主要有基于规则的方法和基于学习的方法。该论文提出了一种新的方法#xff08;文章自己说是新的#xff0c;最主要的原因是该方法在洛杉矶进行了道路测试。#xff09; 但是这里的Fal…本文主要是SafetyNet的框架概述。 1. 前言
文中提到了传统的决策规划的方法主要有基于规则的方法和基于学习的方法。该论文提出了一种新的方法文章自己说是新的最主要的原因是该方法在洛杉矶进行了道路测试。 但是这里的Fallback layer和基于规则的有很大不同传统的基于规则的会设计代价函数函数的权值的确定工作比较困难但是这里的fallback层只需对得到轨迹进行硬约束的评价方法简单。所以在工作量方面有本质的区别。关于具体怎么进行判断后文会叙述
2. 系统架构 2.1 MLplanner 2.2 Fallback layer
3. 效果 从效果上看该方法对只用ML planner的效果提升了很多但是相应的有一个缺点就是决策规划的passiveness上升了许多可以猜测是fallback层影响了最终的决策终究是有些保守。 效果看图
4. 相关视频和资料 首页 https://woven-planet.github.io/l5kit/introduction.html 文档 https://www.self-driving-cars.org/papers/2022-safetynet 源码 https://github.com/woven-planet/l5kit
