在端到端自动驾驶中，如何通过轨迹引导控制预测实现简单而有效的预测方法？
- 内容介绍
- 文章标签
- 相关推荐
本文共计2054个文字，预计阅读时间需要9分钟。
参考与前言 Summary：Leaderboard+现有第一名的TCP，非常简单的设置+取得了很好的效果+论文链接：Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline+代码链接：http
参考与前言Summary: leaderboard 现存第一名 TCP，非常simple的设置 取得了很好的效果
论文链接：Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline
代码链接：github.com/OpenPerceptionX/TCP 作者回复预计9月开
jg刷到的时候 我旁边看了一眼 这些框架图为什么这么熟… 后面仔细看才发现喔 吸取各家之长处了 简单传感器的高分 真绝啊
1. Motivation对于端到端的驾驶任务，一般是从预测出轨迹，然后用控制器跟随；另一种则是直接预测controller输出；由两种方法启发，作者时候：可以吸取各自优点，然后提出本文方法
Contribution- 调研尝试了两种方法，然后提出了结合的pipeline
- multi-step control 预测使得 temporal reasoning
- CARLA排行榜第一名 （排名榜查看时间June 25, 2022 ）
专家使用的是Roach ，这里 小声提一句 我收集了一下现有开源的专家，然后给了一个repo carla-expert 来给大家做收集用… 感兴趣可以去点个star；如果后面你想做这个任务 肯定是可以用上的，毕竟第一次做任务的时候 我一个月都在搞数据那一环
原来e2e也可以写公式 涨见识，大概就是学到的策略和专家数据的loss 在整个数据集\(\mathrm{D}=\{(x,a^*)\}\)下 取最小的
\[\arg \min _{\theta} \mathbb{E}_{\left(\mathrm{x}, \mathbf{a}^{*}\right) \sim \mathrm{D}}\left[\mathcal{L}\left(\mathbf{a}^{*}, \pi_{\theta}(\mathbf{x})\right)\right] \tag{1} \]2.1 框架- 整体前面encoder框架 可以对比着CILRS
- Loss设计可以看看Roach一文
输入：一帧图片；当前帧的速度，high command，目标点等
网络细节，在附录和正文里有简洁的说明：
- 相机尺寸是900x256，FOV直接拉满为100
- K = 4 也就是选未来四步steps 的动作/轨迹进入
- Image Encoder 使用的是有预训练的 ResNet-34
- measurement encoder则是一个MLP [全文并未仔细说明具体几层；暂且认为和CILRS一致设置 也就是 根据输入的num 对应相应数量的linear到encoder里] → 128
- 各自encoder的输出 concat到一起 组成 \(\bf{j}^{traj}\) → 256
接下来 两个branch都直接取共同输出的feature进入各自的分支
-
见loss 部分， 各自loss 相加，直接.backward()
和[16]一样将 \(\bf{j}^{traj}\) 送到GRU里，应该是和transfuser的操作一样，大概是下图这个感觉：
摘自 transfuser 一文
其中 因为有 experts的真值 (x,y) 轨迹点作为参考，所以可以算loss
注意看整体框架图，其中得到这些轨迹点后，使用的是两个横纵向PID进行轨迹到控制量的传递，不同于之前的方法，这里的PID控的是横纵向error，大部分以前方法基本都是一个速度控制（给定一个速度），一个转向控制为主
2.3 Multi-Step Control Branch这里提出了一个比较重要的点：之前这种 基于当前的输入 预测下一个输出，整体输出都是独立同分布假设。但实际上 当前输入与历史输入，和未来输出之间并不是独立的。 对比与用MDP（马尔科夫决策过程）和RL进行回溯/往前，提出了一种更为简单的方式
首先单看主框架图里对应的淡黄色模块，
temporal module输入是 \(\mathbf{j}_{\mathrm{t}}^{\text {ctl }}\) 和 \(\mathbf a_t^{ctl}\) concat后的，其中：
\[\mathbf{j}_{\mathrm{t}}^{\text {ctl }}=\operatorname{MLP}\left(\text { Concat }\left[\operatorname{Sum}\left(\operatorname{Softmax}\left(\mathbf{w}_{\mathrm{t}}\right) \odot \mathbf{F}\right), \mathbf{h}_{\mathrm{t}}^{\text {ctl }}\right]\right) \]其中\(\bf w_t\)是由t时刻的 hidden state concat在一起的，如下图公式：
而\(\mathbf h_t^{traj}, \mathbf h_t^{ctl}\)是从各自的Trajectory Branch和Control Branch而来
问题区：
-
图三中两个模块都是GRU实现的，hidden state从每个GRU里得到
-
是的
-
是MLP hidden state都是各自GRU里来的，图三中输出前的两个均为MLP
主要为三种，轨迹、控制和附加loss
对于轨迹：
其中与transfuser不同的是加入了feature的loss进来，j是128维度的
对于控制：
对于附加，从image feature 加了速度预测head L1 loss 和一个value predict 预测expected return 同[55]一样，L2 Loss
然后三个loss 相加：
\[\mathcal{L}=\lambda_{t r a j} \cdot \mathcal{L}_{t r a j}+\lambda_{c t l} \cdot \mathcal{L}_{c t l}+\lambda_{a u x} \cdot \mathcal{L}_{a u x} \]问题区：
-
roach 做法，由BEV下的gt 做的不同的输入，但是不知道是直接收集的expert的feature还是说用BEV输入到这个网络做的loss
融合的方法也挺工程的，直接判断 过去1s内的steer 绝对值相加 是否超过0.1，如果超过则认为你正在执行转弯，就切换到 以轨迹分支为主；否则以多步控制分支为主
实验和结果 个人觉得作者有点省事了… 因为直接抽的leaderboard，但是！CARLA排行榜不同于其他的地方是：数据集是你自己创建的，一般情况下，大家都会多多少少去用自己的数据集训练出来其他方法的agent 在同一个expert training下的对比…
不过 这并不能说明方法不有效，毕竟 这可是一个相机能干到的分数啊，我深表佩服！以下仅仅是截图一下各个实验表格和可视化的，因为太熟悉这个任务了 就不再说明了，感兴趣 想尝试一下榜的可以看看 相关CARLA leaderbaord配置教学文章 其中包含了指标说明
一些在自己方法下 控制变量的 消融实验
此部分碎碎念 有些在前面实验中念完了 hhhh 来自jg的碎碎念：对CARLA leaderboard的完全过拟合 hhhh 毕竟这种方法是真的不会在车上尝试的吧… LAV的方法至少有条件是可以在实车上测一波，从可解释性上会强很多 比如 找原因啥的，但是LAV真的太太太大了，这个方法 第一次成绩匿名的时候 我觉得不可能.. 还自己quick setting了一波一个相机的实验 但是效果并不好 (当时TCP文章还没挂出来哈)… 所以后面看看有没有机会 看文章简单复现一下
PS 现在大家的数据集 真是一个比一个高，自己当时做的时候 100K帧数据都不到… LAV 390K，TCP 420K，现在想来 好像知道自己分数为啥差距这么大了 也是一个到后面有点玩不懂的任务，不过planning也就这一个任务… 榜单可以刷刷
赠人点赞 手有余香
本文共计2054个文字，预计阅读时间需要9分钟。
参考与前言 Summary：Leaderboard+现有第一名的TCP，非常简单的设置+取得了很好的效果+论文链接：Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline+代码链接：http
参考与前言Summary: leaderboard 现存第一名 TCP，非常simple的设置 取得了很好的效果
论文链接：Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline
代码链接：github.com/OpenPerceptionX/TCP 作者回复预计9月开
jg刷到的时候 我旁边看了一眼 这些框架图为什么这么熟… 后面仔细看才发现喔 吸取各家之长处了 简单传感器的高分 真绝啊
1. Motivation对于端到端的驾驶任务，一般是从预测出轨迹，然后用控制器跟随；另一种则是直接预测controller输出；由两种方法启发，作者时候：可以吸取各自优点，然后提出本文方法
Contribution- 调研尝试了两种方法，然后提出了结合的pipeline
- multi-step control 预测使得 temporal reasoning
- CARLA排行榜第一名 （排名榜查看时间June 25, 2022 ）
专家使用的是Roach ，这里 小声提一句 我收集了一下现有开源的专家，然后给了一个repo carla-expert 来给大家做收集用… 感兴趣可以去点个star；如果后面你想做这个任务 肯定是可以用上的，毕竟第一次做任务的时候 我一个月都在搞数据那一环
原来e2e也可以写公式 涨见识，大概就是学到的策略和专家数据的loss 在整个数据集\(\mathrm{D}=\{(x,a^*)\}\)下 取最小的
\[\arg \min _{\theta} \mathbb{E}_{\left(\mathrm{x}, \mathbf{a}^{*}\right) \sim \mathrm{D}}\left[\mathcal{L}\left(\mathbf{a}^{*}, \pi_{\theta}(\mathbf{x})\right)\right] \tag{1} \]2.1 框架- 整体前面encoder框架 可以对比着CILRS
- Loss设计可以看看Roach一文
输入：一帧图片；当前帧的速度，high command，目标点等
网络细节，在附录和正文里有简洁的说明：
- 相机尺寸是900x256，FOV直接拉满为100
- K = 4 也就是选未来四步steps 的动作/轨迹进入
- Image Encoder 使用的是有预训练的 ResNet-34
- measurement encoder则是一个MLP [全文并未仔细说明具体几层；暂且认为和CILRS一致设置 也就是 根据输入的num 对应相应数量的linear到encoder里] → 128
- 各自encoder的输出 concat到一起 组成 \(\bf{j}^{traj}\) → 256
接下来 两个branch都直接取共同输出的feature进入各自的分支
-
见loss 部分， 各自loss 相加，直接.backward()
和[16]一样将 \(\bf{j}^{traj}\) 送到GRU里，应该是和transfuser的操作一样，大概是下图这个感觉：
摘自 transfuser 一文
其中 因为有 experts的真值 (x,y) 轨迹点作为参考，所以可以算loss
注意看整体框架图，其中得到这些轨迹点后，使用的是两个横纵向PID进行轨迹到控制量的传递，不同于之前的方法，这里的PID控的是横纵向error，大部分以前方法基本都是一个速度控制（给定一个速度），一个转向控制为主
2.3 Multi-Step Control Branch这里提出了一个比较重要的点：之前这种 基于当前的输入 预测下一个输出，整体输出都是独立同分布假设。但实际上 当前输入与历史输入，和未来输出之间并不是独立的。 对比与用MDP（马尔科夫决策过程）和RL进行回溯/往前，提出了一种更为简单的方式
首先单看主框架图里对应的淡黄色模块，
temporal module输入是 \(\mathbf{j}_{\mathrm{t}}^{\text {ctl }}\) 和 \(\mathbf a_t^{ctl}\) concat后的，其中：
\[\mathbf{j}_{\mathrm{t}}^{\text {ctl }}=\operatorname{MLP}\left(\text { Concat }\left[\operatorname{Sum}\left(\operatorname{Softmax}\left(\mathbf{w}_{\mathrm{t}}\right) \odot \mathbf{F}\right), \mathbf{h}_{\mathrm{t}}^{\text {ctl }}\right]\right) \]其中\(\bf w_t\)是由t时刻的 hidden state concat在一起的，如下图公式：
而\(\mathbf h_t^{traj}, \mathbf h_t^{ctl}\)是从各自的Trajectory Branch和Control Branch而来
问题区：
-
图三中两个模块都是GRU实现的，hidden state从每个GRU里得到
-
是的
-
是MLP hidden state都是各自GRU里来的，图三中输出前的两个均为MLP
主要为三种，轨迹、控制和附加loss
对于轨迹：
其中与transfuser不同的是加入了feature的loss进来，j是128维度的
对于控制：
对于附加，从image feature 加了速度预测head L1 loss 和一个value predict 预测expected return 同[55]一样，L2 Loss
然后三个loss 相加：
\[\mathcal{L}=\lambda_{t r a j} \cdot \mathcal{L}_{t r a j}+\lambda_{c t l} \cdot \mathcal{L}_{c t l}+\lambda_{a u x} \cdot \mathcal{L}_{a u x} \]问题区：
-
roach 做法，由BEV下的gt 做的不同的输入，但是不知道是直接收集的expert的feature还是说用BEV输入到这个网络做的loss
融合的方法也挺工程的，直接判断 过去1s内的steer 绝对值相加 是否超过0.1，如果超过则认为你正在执行转弯，就切换到 以轨迹分支为主；否则以多步控制分支为主
实验和结果 个人觉得作者有点省事了… 因为直接抽的leaderboard，但是！CARLA排行榜不同于其他的地方是：数据集是你自己创建的，一般情况下，大家都会多多少少去用自己的数据集训练出来其他方法的agent 在同一个expert training下的对比…
不过 这并不能说明方法不有效，毕竟 这可是一个相机能干到的分数啊，我深表佩服！以下仅仅是截图一下各个实验表格和可视化的，因为太熟悉这个任务了 就不再说明了，感兴趣 想尝试一下榜的可以看看 相关CARLA leaderbaord配置教学文章 其中包含了指标说明
一些在自己方法下 控制变量的 消融实验
此部分碎碎念 有些在前面实验中念完了 hhhh 来自jg的碎碎念：对CARLA leaderboard的完全过拟合 hhhh 毕竟这种方法是真的不会在车上尝试的吧… LAV的方法至少有条件是可以在实车上测一波，从可解释性上会强很多 比如 找原因啥的，但是LAV真的太太太大了，这个方法 第一次成绩匿名的时候 我觉得不可能.. 还自己quick setting了一波一个相机的实验 但是效果并不好 (当时TCP文章还没挂出来哈)… 所以后面看看有没有机会 看文章简单复现一下
PS 现在大家的数据集 真是一个比一个高，自己当时做的时候 100K帧数据都不到… LAV 390K，TCP 420K，现在想来 好像知道自己分数为啥差距这么大了 也是一个到后面有点玩不懂的任务，不过planning也就这一个任务… 榜单可以刷刷
赠人点赞 手有余香