Motion Planning2 [논문 리뷰] Deep Kinematic Models for Kinematically Feasible Vehicle Trajectory Predictions 논문 : Cui, Henggang, et al. "Deep kinematic models for kinematically feasible vehicle trajectory predictions." 2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020. 요약 본 논문은 딥러닝 기반의 주행 객체 궤적을 예측하는 방법을 제시한다. 주행 객체 궤적 예측 시, 차량의 Kinematics를 encode하는 방법을 제안한다. 제안 방법은 어떤 딥 러닝 아키텍처에도 적용할 수 있는 General한 방법이다. 관련 연구 클래식 Motion 예측 방법 주행 객체의 Kinematics를 바탕으로 인지 시점의 객체의 Control in.. 2022. 11. 14. [논문 리뷰] Safetynet: Safe planning for real-world self-driving vehicles using machine-learned policies Paper: Vitelli, Matt, et al. "Safetynet: Safe planning for real-world self-driving vehicles using machine-learned policies." 2022 International Conference on Robotics and Automation (ICRA). IEEE, 2022. Website: https://www.self-driving-cars.org/papers/2022-safetynet 요약 자율주행을 위한 Imitation Learning 기반의 Motion Planning 기법을 설명한다. Machine Learning planner와 rule-based fallback path planning layer가 합쳐진.. 2022. 11. 3. 이전 1 다음
