[Nat.Mach.Intell. | 论文简读] 基于深度学习的全天候自动驾驶鲁棒定位

简读分享 | 陈兴民 编辑 | 李仲深

论文题目

Deep learning-based robust positioning for all-weather autonomous driving

摘要

随着便利性、安全性和潜在的环保效益的提高，人们对自动驾驶汽车（AVs）的兴趣正在快速提高。尽管几家领先的自动驾驶汽车公司预测自动驾驶汽车将在2020年上路，但它们仍然局限于相对小规模的试验。由于在恶劣的环境和天气条件下传感器的不完善，要想知道它们在地图上的精确位置是一个具有挑战性的先决条件，这是推广自动驾驶技术过程中一个巨大的障碍。在这里，作者提出了一种基于深度学习的自监督自我运动估计方法，这是一种在恶劣天气条件下的鲁棒定位解决方案。所提出的方法是一种几何感知的方法，它利用基于注意力机制的学习技术，将视觉传感器丰富的表示能力和雷达提供的避免恶劣天气的优势巧妙地融合在一起。本文中的方法预测了传感器测量的可靠性掩码，消除了多模态数据的缺陷。在各种实验中，证明了在恶劣的天气条件下，如雨、雾和雪，以及白天和黑夜条件下的强大的全天候性能和有效的跨域通用性。此外，作者采用博弈论的方法来分析模型预测的可解释性，说明了多模态系统的独立和不相关的故障模式。作者预计这项工作将使自动驾驶汽车向安全可靠的全天候自动驾驶迈进一步。

论文地址

https://www.nature.com/articles/s42256-022-00520-5