DEAP：基于DOGM引导代价地图学习的动态环境感知路径规划器（Dynamic Environment-Aware Path Planner via DOGM-Guided Cost Map Learning）用于自动驾驶
《IEEE Access》：DEAP: Dynamic Environment-Aware Path Planner via DOGM-Guided Cost Map Learning for Autonomous Driving
编辑推荐：
摘要：在城市环境中，车辆、行人和自行车等多种交通参与者的共存要求路径规划方法显式考虑动态环境信息以支持安全的自动驾驶。本文提出Dynamic Environment-Aware Path Planner（DEAP，动态环境感知路径规划器），一种结合卷积神经网络
摘要：在城市环境中，车辆、行人和自行车等多种交通参与者的共存要求路径规划方法显式考虑动态环境信息以支持安全的自动驾驶。本文提出Dynamic Environment-Aware Path Planner（DEAP，动态环境感知路径规划器），一种结合卷积神经网络（Convolutional Neural Network，CNN）与逆强化学习（Inverse Reinforcement Learning，IRL）及基于激光雷达的动态占据栅格地图（Dynamic Occupancy Grid Map，DOGM）的局部路径规划系统。DEAP通过CNN学习代价地图（cost map），该CNN采用基于IRL的损失函数进行训练，该函数融合了专家驾驶轨迹与从DOGM推断出的动态物体状态信息（含物体速度）。研究人员利用nuScenes数据集分析了引入基于DOGM的动态信息后，与不显式纳入物体动力学的基于学习的规划器相比，对轨迹偏差及碰撞相关指标的影响。实验结果从定量与定性角度揭示了所提方法在结构化道路与非结构化城市场景中对碰撞感知规划行为的作用，突显了动态环境表征在局部路径规划中的价值。
论文解读：DEAP——基于DOGM引导代价地图学习的动态环境感知自动驾驶局部路径规划
研究背景与意义
自动驾驶车辆（Autonomous Vehicle，AV）的路径规划分为全局路径规划与局部路径规划。传统基于规则的局部路径规划方法在复杂城市环境及边界情况（edge case）下适应性有限；基于优化的方法需精心设计并依赖显式约束；现有端到端（End-to-End，E2E）自动驾驶方法虽引入动态信息，但通常通过独立预测模块间接传递，未将其直接融入代价地图（cost map）的学习过程。单纯依靠激光雷达或相机输入的行为克隆（Behavior Cloning，BC）易因分布偏移导致泛化能力差。为此，研究人员提出DEAP框架，将激光雷达点云经CNN生成代价地图，并利用基于最大间隔逆强化学习（Maximum Margin Inverse Reinforcement Learning，MM-IRL）的损失函数，将动态占据栅格地图（Dynamic Occupancy Grid Map，DOGM）估计的物体位置与速度信息直接嵌入损失函数，使学到的代价地图能区分静态与动态障碍物并赋予高速运动物体更高代价，从而在局部路径规划中实现更主动的避障与人性化驾驶策略。该论文发表于《IEEE Access》。
主要关键技术方法
研究人员采用nuScenes数据集（Motional提供，含360°激光雷达、GPS/IMU及CAN总线车速加速度信息），取700个场景训练、150个验证、150个测试。DEAP以体素化（voxelized）激光雷达点云输入U-Net型编码器–解码器CNN生成代价地图Cψ∈R7×704×400。候选轨迹集{τj}由欧拉螺旋线（Euler spiral / clothoid）采样生成（初始/终止曲率κ0、κ6∈[-0.1,0.1]均匀采样，加速度a∈[0,1] m/s2，预测时域3 s离散为6段），映射至鸟瞰图（Bird's Eye View，BEV）坐标后索引代价地图累加求累积代价，选最小累积代价轨迹为最优τ*。DOGM基于粒子滤波（particle filter）以恒转速恒速（Constant Turn Rate and Velocity，CTRV）模型预测更新，经二值贝叶斯滤波（Binary Bayes Filter，BBF）得到占据概率与网格速度。总损失Ltotal为MM-IRL边际损失叠加轨迹L2距离惩罚d(τe,τj)、占据惩罚Locc（γo加权被占栅格）及速度惩罚Lspeed（当vM[u]≥vlow时施加γd>γo，且γd按速度min-max归一化），迫使专家轨迹代价低于所有候选轨迹加边际。用Adam优化器（lr=3×10-4，batch=8，8 epoch）训练，评估指标为平均欧氏距离（L2误差）与碰撞率（规划轨迹与周围物体包围盒相交比例）。
研究结果
SECTION IV 实验设置
使用nuScenes官方划分，对比三组基线：Vanilla Model（仅IRL损失）、Object-Guided Model（加GT标注包围盒惩罚）、Freespace-Guided Model（加光线投射freespace惩罚），各含Base（混合轨迹采样）和Euler（仅欧拉螺旋）两版；另对比ST-P3与UniAD作为E2E参考。推理时CNN规划模块耗时17.66 ms（总前端含体素化585.54 ms）。
SECTION V-A 代价地图与路径生成结果
- •
直道场景（nuScenes scene 105）：前方红灯且有停驶/慢行车及路边停车。DEAP生成的BEV代价地图对运动车辆赋予高于静止车辆的代价，规划轨迹避开检测物体并偏向远离高速运动物体，体现Lspeed项作用。
- •
路口场景（nuScenes scene 108，右转）：含前车右转、路边静止车及施工现场（非结构化元素）。DEAP规划轨迹贴近专家轨迹但稍保守避让右侧施工设备，对运动前车赋予比静止障碍更高代价，证明DOGM提供的栅格级速度与占据使DEAP可处理无明确车道线的非结构化区域。
SECTION V-A-3 与对比模型的定量分析
在nuScenes验证集上，DEAP平均L2误差1.03 m、平均碰撞率0.30%。较ST-P3降低L2误差51.18%、碰撞率57.75%；与UniAD相比L2相当而碰撞率略低；较表现最佳的Freespace-Euler基线进一步降低L2误差27.46%、碰撞率28.57%。表明融入DOGM动态速度信息可有效提升轨迹精度与安全性。
SECTION V-B 消融实验（Ablation Study）
对比Occ+Speed（完整Locc+Lspeed）与Occ-only（去Lspeed）。Occ+Speed平均L2误差降19.53%、平均碰撞率降48.28%，证实速度惩罚项促使模型学习对高速动态物体更主动避让，动态状态信息比单纯位置信息对避撞更重要。
讨论与结论翻译（Conclusion）
本文提出一种端到端路径规划方法，脱离传统基于规则的算法，利用基于激光雷达的DOGM并结合CNN与IRL。所提出的DEAP模型旨在生成能有效避开周围物体碰撞的轨迹，即便在城市场景中出现的边缘情况（如施工区域）。结果表明，与基于学习的基线相比，融入基于DOGM的动态信息始终带来更低的轨迹偏差与减小的碰撞风险。这些改进无需依赖真实静态地图信息，仅利用从激光雷达测量导出的动态估计环境表征即可实现。但本研究限于基于数据集的评估，真实交通环境中的定量验证仍是未来重要方向。所提框架可便捷集成至基于激光雷达的自动驾驶系统，并可作为进一步扩展的灵活基础。未来工作将通过在仿真环境与真实自动驾驶车辆上应用以进行定量验证（相关硬件平台与安全验证设施在研），并在闭环仿真中加入加加速度（jerk）与加速度等舒适性指标，延长规划时域以实现长期预测。此外，将用相机–激光雷达融合语义DOGM替代当前激光雷达DOGM以区分物体类别，从而制定更细粒度的类特定损失函数，增强框架适应性与鲁棒性。
