准(zhun)确(que)理解环(huan)(huan)境（例如车(che)与车(che)和(he)车(che)与车(che)道之间的(de)(de)(de)相(xiang)互作用）对(dui)于包括轨迹(ji)预测和(he)运动规划在内的(de)(de)(de)自动驾驶任务是至关(guan)重要的(de)(de)(de)。而环(huan)(huan)境信息来自高清地图(tu)和(he)车(che)辆的(de)(de)(de)历史轨迹(ji)。
目前，已经提出了基(ji)于(yu)学(xue)习(xi)(xi)的(de)(de)数(shu)(shu)学(xue)的(de)(de)模型(xing)用(yong)(yong)于(yu)完成上述(shu)两个驾驶任(ren)务，但存在着环(huan)境理解偏差问题。具(ju)体而(er)言，由(you)于(yu)地图数(shu)(shu)据(ju)(ju)和(he)轨迹数(shu)(shu)据(ju)(ju)的(de)(de)异构性，许(xu)多(duo)基(ji)于(yu)学(xue)习(xi)(xi)的(de)(de)模型(xing)以单独和(he)顺序的(de)(de)方式(shi)提取车(che)与车(che)和(he)车(che)与车(che)道之间(jian)的(de)(de)相(xiang)互(hu)(hu)作用(yong)(yong)，从(cong)而(er)导致预测和(he)规划准确性降(jiang)低(di)。至于(yu)数(shu)(shu)学(xue)模型(xing)，环(huan)境信息主要用(yong)(yong)于(yu)表征无(wu)碰撞空间(jian)，而(er)相(xiang)互(hu)(hu)作用(yong)(yong)则(ze)被很大程度上忽略了。
为(wei)此，香港城市大(da)学张(zhang)祎(yi)凡老师等研(yan)究(jiu)人(ren)员(yuan)提出一种将车辆(liang)轨迹数据(ju)和高精地图这两种异构的数据(ju)融合成一种统一环境表达(da)的时间(jian)占用流图TOFG（Temporal Occupancy Flow Graph）。与(yu)TOFG相关的论文收录(lu)于ICRA 2023上。
时间(jian)占用(yong)流图(tu)(tu)TOFG由多(duo)个(ge)(ge)占据流图(tu)(tu)OFG（Occupancy Flow Graph）组成(cheng)，每个(ge)(ge)OFG包含了(le)某一时刻(ke)的车(che)辆以(yi)及地(di)图(tu)(tu)信息(xi)。OFG以(yi)高精(jing)地(di)图(tu)(tu)中的车(che)道图(tu)(tu)为基础(chu)，融合了(le)地(di)图(tu)(tu)中各车(che)辆的信息(xi)。时序边（temporal edge）将(jiang)相邻两(liang)个(ge)(ge)时刻(ke)的OFG的结点连(lian)接起来，于是(shi)若干个(ge)(ge)OFG通过时间(jian)上(shang)的依(yi)赖关系，连(lian)接成(cheng)了(le)一个(ge)(ge)完整的时间(jian)占用(yong)流图(tu)(tu)TOFG。
将 TOFG 与基于(yu)图注意（GAT）的(de)(de)(de)(de)神(shen)经网络结合起来，提出 TOFG-GAT 来展示 TOFG 对(dui)基于(yu)学习(xi)的(de)(de)(de)(de)轨迹预测(ce)和运(yun)(yun)动规划的(de)(de)(de)(de)好处。此(ci)外，该团(tuan)队还设(she)计了一(yi)种基于(yu) TOFG 的(de)(de)(de)(de)交互感(gan)知采(cai)样(yang)策略，以改进基于(yu)数学采(cai)样(yang)的(de)(de)(de)(de)运(yun)(yun)动规划算法。
大量实验结(jie)果(guo)表明(ming)，TOFG 可以(yi)通过提高基于学习和(he)数学模(mo)型的(de)生成轨迹(ji)的(de)质(zhi)量和(he)计算效率。TOFG-GAT模(mo)型在自动驾驶(shi)轨迹(ji)预测和(he)运动规划任务上(shang)可达(da)到并超(chao)过现有(you)模(mo)型的(de)水平。
10月(yue)18日晚7点，智猩(xing)猩(xing)邀请到香港城市大学（东莞(guan)）助理教授张祎凡(fan)参与「智猩(xing)猩(xing)自(zi)动驾(jia)驶新青年讲座」第39讲，主(zhu)讲《自(zi)动驾(jia)驶中将轨迹和高精地图统(tong)一的环境表达方(fang)式》。
讲者
张祎凡
香港城市大学（东(dong)莞）助(zhu)理教授
张祎凡博士(shi)，毕业于(yu)香港城市大学(xue)计算(suan)科学(xue)系(xi)，现于(yu)香港城市大学(xue)（东莞）担任助(zhu)理教授，研究(jiu)方向为无人驾驶、智能交(jiao)通系(xi)统、交(jiao)通流分(fen)(fen)析(xi)及(ji)(ji)建模及(ji)(ji)交(jiao)通大数据分(fen)(fen)析(xi)，已在领域(yu)内发(fa)表(biao)顶级期刊(kan)及(ji)(ji)会(hui)议(yi)论文15篇，其中第一(yi)作者论文8篇，拥(yong)有4项(xiang)发(fa)明(ming)专利，在多个顶级国际(ji)期刊(kan)及(ji)(ji)国际(ji)会(hui)议(yi)担任审稿人，包括Tranportation Research Part C, IEEE TITS，TRB，IROS等。
第 39 讲
主 题
《自(zi)动驾(jia)驶(shi)中(zhong)将轨(gui)迹和高精地图统一的环(huan)境表达方式》
提 纲
1、自动驾驶预测与规划任务中的环境理解偏差问题
2、用于统一环境细粒度的时间占用流图TOFG
3、结合TOFG与图注意力网络的预测规划模型TOFG-GAT
4、实验(yan)结果(guo)及分析总结
直 播 信 息
直播时间(jian)：10月18日19:00
成果
论文标题
《TOFG: A Unified and Fine-Grained Environment Representation in Autonomous Driving》
论文链接
//arxiv.org/abs/2305.20068
如何报名
有(you)讲座直播观看(kan)需求的朋友(you)，可(ke)以(yi)添加小(xiao)助手(shou)“陈新(xin)(xin)(xin)”进(jin)行报(bao)名(ming)。已添加过“陈新(xin)(xin)(xin)”的老朋友(you)，可(ke)以(yi)给(ji)“陈新(xin)(xin)(xin)”私(si)信，发送(song)“自动驾驶39”进(jin)行报(bao)名(ming)。对于通过报(bao)名(ming)的朋友(you)，之后将(jiang)邀(yao)请(qing)入群进(jin)行观看(kan)和交流(liu)。
