「自动驾驶新青年讲座」由智猩猩企划，致力于邀请全球知名高校、顶尖研究机构以及优秀企业的新青年，主讲在环境感知、精准定位、决策规划、控制执行等自动驾驶关键技术上的最新研究成果和开发实践。

「自动驾驶新青年讲座」目前已完结23讲，错过往期讲座直播的朋友，可以点击文章底部“阅读原文”进行回看！

有兴趣分享的朋友，可以与智猩猩教研团队进行邮件（class@zhidx.com）联系

自动驾驶领域的研究大多集中在城市道路、十字路口等规范性场景中。而对于泊车、施工现场、码头等“非标准”场景，由于其环境狭窄，且障碍物较多，车辆的行为模式也复杂多样，无法简单套用城市道路的解决方案。

针对这些狭窄环境，加州大学伯克利分校在读博士沈煦等研究人员通过结合深度学习、强化学习、基于模型的优化与预测控制等方法，研究以停车场为例的狭窄环境中如何有效预测其他车辆的行为意图和未来轨迹，解决多车冲突问题（Conflict Resolution），并生成符合车辆运动学特性和安全约束的最优轨迹。

该团队发布了首个停车场环境下的高精度视频+轨迹数据集Dragon Lake Parking Dataset，并提出了一种基于CNN和Transformer的行为和轨迹预测模型ParkPredict+。此外，还结合强化学习与优化方法，解决了狭窄空间内的多车冲突问题（Conflict Resolution）。相关论文成果分别收录于IEEE ITSC 2022、IFAC World Congress 2023、IEEE IV 2023 顶会上。

9月28日10点，「自动驾驶新青年讲座」第24讲邀请到论文一作、加州大学伯克利分校在读博士沈煦参与，主讲《狭窄环境下的车辆行为预测与多车自动驾驶轨迹规划》。

讲者

沈煦，加州大学伯克利分校在读博士

研究方向为狭窄、复杂环境下的车辆行为预测、轨迹规划和控制，在保证安全的同时提高任务效率、降低能耗。以第一作者身份在ICRA、ACC、IFAC、ITSC、IV等机器人、控制、智能车会议上发表多篇论文，并多次担任相关顶级期刊和会议审稿人。

第24讲

主 题

《狭窄环境下的车辆行为预测与多车自动驾驶轨迹规划》

提 纲

1、狭窄环境下的自动驾驶研究难点

2、首个停车场景的高清视频&轨迹数据集DLP

3、基于CNN和Transformer的轨迹预测模型ParkPredict+

4、基于强化学习与优化方法解决多车冲突问题

直 播 信 息

直播时间：9月28日10:00

直播地点：智猩猩知识店铺

成果

论文标题及链接

《ParkPredict+: Multimodal Intent and Motion Prediction for Vehicles in Parking Lots with CNN and Transformerg》

https://arxiv.org/abs/2204.10777

《Multi-vehicle Conflict Resolution in Highly Constrained Spaces by Merging Optimal Control and Reinforcement Learning》

https://arxiv.org/abs/2211.01487

《Reinforcement Learning and Distributed Model Predictive Control for Conflict Resolution in Highly Constrained Spaces》

https://arxiv.org/abs/2302.01586

数据集

https://sites.google.com/berkeley.edu/dlp-dataset