自动驾驶

IDOL: Inverse-Dynamics-Guided Future Prediction for End-to-End Autonomous Driving

IDOL: 逆动力学引导的未来预测用于端到端自动驾驶

Chenghao Zhang, Timin Li, Dongmei Li

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） 纠错

专题命中 规划控制 ：BEV(summary_cn,abstract)；autonomous driving(title,abstract)；分类 cs.RO

AI总结 提出IDOL框架，通过逆动力学模型将BEV世界模型预测的未来潜在场景状态转化为规划相关的轨迹增量，实现未来预测与轨迹优化的紧密耦合，在NAVSIM基准上达到最优性能。

Comments 20 pages, 5 figures

Trajectory Planning for Non-Communicating Mobile Robots using Inverse Optimal Control

非通信移动机器人的逆最优控制轨迹规划

Nina Majer, Yannick Epple, Xin Ye, Stefan Schwab, Sören Hohmann

机构 * FZI Research Center for Information Technology（弗劳恩霍夫信息技术研究所） ； Institute of Control Systems, Karlsruhe Institute of Technology（卡尔斯鲁厄大学控制系统研究所） 纠错

专题命中 规划控制 ：trajectory planning(title,abstract)；分类 cs.RO

AI总结 针对非通信移动机器人在避碰场景中的高效交互，提出一种结合逆最优控制的轨迹规划与预测算法，通过估计未知目标状态并联合预测，实现更快的规划求解。

Does Visual Information Play a Decisive Role in Vision-Language-Action Model Driving Behavior?

视觉信息在视觉-语言-动作模型驾驶行为中是否起决定性作用？

Jingtao He, Hongliang Lu, Xiaoyun Qiu, Yixuan Wang, Xinhu Zheng

机构 * Intelligent Transportation Thrust, The Hong Kong University of Science and Technology (Guangzhou)（科技与交通智能 thrust，香港科学与技术大学（广州）） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出结构化多级视觉扰动框架，系统分析VLA驾驶模型对视觉信息的依赖程度，揭示依赖模式随评估方式变化且在不同抽象层次上不均匀。

Consideration of Vehicle Characteristics on the Motion Planner Algorithm

运动规划算法中车辆特性的考虑

Syed Adil Ahmed, Taehyun Shim

机构 * University of Michigan Dearborn（密歇根大学迪尔伯恩分校） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO

AI总结 针对现有轨迹规划器未考虑质心高度影响导致不同车辆（尤其是高质心车辆）轨迹非最优的问题，提出一种采用简化双轨模型、基于稳态方程估计侧向和侧倾载荷转移以及简化轮胎模型的规划器，以降低求解器负担，并在高/低加速度条件和不同车辆高度下与粒子模型和运动学模型规划器进行对比。

Comments This paper has been accepted for conference proceedings in MECC 2024, Chicago under a Creative Commons License CC-BY-NC-ND

Journal ref IFAC-PapersOnLine, Vol 58, Num 28, 2024, pgs 444-449

Contract-based hierarchical control using predictive feasibility value functions

基于契约的层次控制：利用预测可行性价值函数

Felix Berkel, Kim Peter Wabersich, Hongxi Xiang, Elias Milios

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 针对层次控制中模型不一致和独立控制器设计问题，提出一种基于契约的层次控制策略，通过软约束MPC的松弛变量构建契约，并利用显式函数近似（如神经网络）表示最优松弛成本，实现安全高效的层次控制。