nuplan(面向自动驾驶规划的数据集)简介

这篇具有很好参考价值的文章主要介绍了nuplan(面向自动驾驶规划的数据集)简介。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. nuplan简介:

1.1 nuplan数据集内容及框架概述

        是世界第一个针对自动驾驶规划方法测试的开源数据集(发布于2021年),收集了波士顿、匹兹堡、拉斯维加斯和新加坡这 4 个城市收集了大约 1300 小时的驾驶数据。

        虽然基于 ML 的运动规划器越来越多,但缺乏既定的数据集、模拟框架和评价指标,这也限制了该领域的进展。现有数据集(Argoverse、Lyft、Waymo) 主要侧重与对其他代理的短期运动预测,而不是自我车辆的长期规划。这导致之前的方法大多使用基于 L2 指标的开环评估,不适用于合理评估长期规划。为了解决上述问题,nuplan除了提供大规模实车数据集,还提供了基于学习的训练框架来开发基于机器学习的规划器、轻量级闭环模拟器、运动规划评价指标和可视化工具下图为其训练框架。

nuplan(面向自动驾驶规划的数据集)简介,自动驾驶,人工智能,机器学习
nuplan训练框架

1.2 nuplan仿真器概述

        nuplan的开源仿真框架支持闭环和开环仿真。闭环意味着自我车辆和其他车辆可以偏离原始数据集中记录的状态信息。除了规划器的基准实现,nuplan还为传统的智能驾驶模型(Intelligent Driver Model, IDM)和基于学习(ML)的智能体提供基线实现。为了真实地模拟交通流,nuplan还开发了交通灯状态推理系统,从观察到的场景中的车辆运动推断出交通灯的状态。最后,nuplan还挖掘了手工制作的场景(如变道、行人与车辆的互动),并对这些场景的通用指标和特定场景指标进行评估。

nuplan(面向自动驾驶规划的数据集)简介,自动驾驶,人工智能,机器学习

2. nuplan规划框架

        nuPlan 具有一个开源工具包,用于开发基于 学习(ML )的规划器。nuplan规划框架总的来说由一下四个步骤促成,即:模型训练、模型模拟、性能评估和结果可视化

nuplan(面向自动驾驶规划的数据集)简介,自动驾驶,人工智能,机器学习
nuplan 规划框架

2.1 规划训练框架

        nuplan训练基于学习(ML)的规划器采用的是基于PyTorch框架,使用一些输入,如自车信息其他智能体信息静态/动态地图信息。在该框架的基础上,可以很容易地修改和扩展,以纳入新的研究思路。

2.2 规划仿真框架

        nuplan框架的核心部分是场景仿真。仿真器完全匹配数据集,集成了观察模型自车规划器智能体模型运动控制器评价指标可视化等模块。该仿真器还为每个模块提供了多个选项和基本示例,用户可以根据个人需求轻松插入替换项。这将使研究界能够专注于单个框架进行方法上的研究,而不是像以前那样为每个数据集和规划方法使用不同的框架。

        下图展示的为nuplan仿真器的整体框架。

nuplan(面向自动驾驶规划的数据集)简介,自动驾驶,人工智能,机器学习
nuplan仿真框架

2.3 评价标准

评价指标分为分为5类:

  • 违反交通规则的情况用来衡量对普通交通规则的遵守程度,考虑其他车辆的碰撞率、轨迹偏离道路概率、与前车的时间差距、碰撞时间以及超车时的相对速度。
  • 人类驾驶的相似性被用来量化与人类相比的操纵满意度,如纵向速度误差、纵向停止位置误差和横向位置误差。此外,由此产生的抽动/加速与人类水平的抽动/加速进行比较。
  • 车辆动力学被用来评价驾驶员的舒适性和轨迹的可行性。乘坐者的舒适度由颠簸、加速度、转向率和车辆振荡来衡量。可行性是通过违反相同标准的预定限制来衡量的。
  • 目标的实现通过L2距离来评价通往地图上目标位置的路线
  • 特定场景评价是针对特定场景的。例如,对于车辆变道,参与评估的是碰撞时间和与目标车道上的前/后方人员的时间差距。针对车辆与行人和自行车的互动,在区分他们的位置的同时对通过的相对速度进行量化。

2.4 可视化

        对于研究人员来说,要快速迭代新的 ML 规划模型,能够仔细分析模型的性能至关重要。为此,nuplan开发了带有基于散景的交互式模拟查看器的“nuBoard”,该查看器可渲染底层语义地图自我车辆信息其他车辆信息以及交通信号灯状态。除了场景模拟,nuplan还绘制了关于规划器性能的统计数据。
 

nuplan(面向自动驾驶规划的数据集)简介,自动驾驶,人工智能,机器学习
nuplan可视化示例

3. 总结nuplan特点

        1. 数据丰富,提供了四个城市丰富的自车、他车、交通状态以及传感器信息。

        2. 集成基于机器学习的自动驾驶规划框架,能够实现学术方法的快速试验与验证。

        3. 集成仿真功能,数据集中的自车与他车可以偏离真实采集的位置信息,实现闭环仿真试验

4. 参考内容

        nuPlan (nuscenes.org)

        motional/nuplan-devkit: The devkit of the nuPlan dataset. (github.com)文章来源地址https://www.toymoban.com/news/detail-596498.html

到了这里,关于nuplan(面向自动驾驶规划的数据集)简介的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 走进人工智能|自动驾驶 迈向无人驾驶未来

    前言: 自动驾驶是一种技术,通过使用传感器、人工智能和算法来使车辆能够在不需要人类干预的情况下自主地感知、决策和操作。 本篇带你走进自动化驾驶!一起来学习了解吧!!! 随着科技的不断进步,自动驾驶已经成为当今社会最炙手可热的话题之一。它引领着我们

    2024年02月11日
    浏览(62)
  • 自动驾驶软件和人工智能

    自动驾驶汽车的核心在于其软件系统,而其中的机器学习和深度学习技术是使车辆能够感知、理解、决策和行动的关键。本文将深入探讨这些技术在自动驾驶中的应用,包括感知、定位、路径规划以及道路标志和交通信号的识别。 机器学习和深度学习在自动驾驶中的应用是实

    2024年02月07日
    浏览(61)
  • 如何使用RPA自动化人工智能和自动驾驶汽车

    人工智能和自动驾驶汽车是当今科技领域的热门话题。在这篇文章中,我们将探讨如何使用RPA(Robotic Process Automation)自动化人工智能和自动驾驶汽车。 RPA是一种自动化软件技术,它可以自动完成人类工作,提高工作效率。在人工智能和自动驾驶汽车领域,RPA可以帮助我们自动

    2024年02月20日
    浏览(73)
  • 自动驾驶路径规划——路径规划入门须知

    目录 前言  1.无人驾驶关键技术  2.路径规划基本概念与分类 2.1 路径规划基本概念 2.1.1 路径规划需要解决的问题  2.1.2 路径规划——现在的研究  2.2路径规划的分类 2.3路径规划的流程 3.行为决策  声明        这个学期学校开设了相应的课程,同时也在学习古月居机器人学

    2023年04月08日
    浏览(44)
  • 走进人工智能|自动驾驶 开启智能出行新时代

    自动驾驶,也被称为无人驾驶或自动驾驶汽车,是指能够在没有人类干预的情况下自主地感知环境、决策和控制车辆行驶的技术和系统。 自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车。这种车辆依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作

    2024年02月14日
    浏览(53)
  • 人工智能与自动驾驶:智能出行时代的未来之路

           首先,我们先来说下什么是人工智能, 人工智能 (Artificial Intelligence,简称AI)是一门研究如何使计算机系统能够模拟、仿真人类智能的技术和科学领域。它涉及构建智能代理,使其能够感知环境、理解和学习知识,以及通过推理、决策和问题解决等方式与环境进行

    2024年02月03日
    浏览(73)
  • 【AI赋能】人工智能在自动驾驶时代的应用

    引言 人工智能引领现代,智能AI赋能未来。 它在当今社会和科技领域中具有重要性。 本文将着重探讨人工智能对自动驾驶技术的深度赋能和应用场景等。 有时我们乘坐网约车的时候,能打到无人驾驶汽车,全程均为AI语音播报: 自动驾驶是指通过使用 各种传感器 、 计算机

    2024年02月17日
    浏览(67)
  • 面向高速公路车辆切入场景的自动驾驶测试用例生成方法

    1 前言 自动驾驶汽车为解决“交通事故、交通拥堵、环境污染、能源短缺”等问题提供了新的途径[1]。科学完善的测试验证评价体系对提高自动驾驶汽车的研发效率、健全相关法律法规、推进智能交通发展至关重要[2]。自2009年起,谷歌自动驾驶汽车已经进行了超过560万km公共

    2024年02月10日
    浏览(45)
  • 自动驾驶路径规划——轨迹规划(详解插值法)

    目录 前言 1. 轨迹规划 1.1 轨迹规划包括以下几个问题: 2. 三次多项式插值 ​​​​​​3.  过路径点的三次多项式插值 4. 用抛物线过渡的线性插值 过路径点的用抛物线过渡的线性插值 5. 高阶多项式插值 声明        这个学期学校开设了相应的课程,同时也在学习古月居

    2024年01月22日
    浏览(44)
  • 自动驾驶路径规划——Dijkstra算法

    这个学期学校开设了相应的课程,同时也在学习古月居机器人学系列的《基于栅格地图的机器人路径规划指南》,为了巩固知识,方便自己的学习与整理,遂以学习笔记的形式记录。      深度优先搜索( Depth First Search , DFS ) :首先从某个顶点出发,依次从它的各个未被

    2024年01月22日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包