La planification de trajectoire efficace et sécurisée dans des conditions de circulation complexes reste un défi en raison d'un faible couplage prévision-planification dans les méthodes existantes. Cet article propose un cadre de prévision-planification couplé qui intègre profondément la prévision multi-agents consciente des intentions avec l'optimisation de trajectoire dirigée par les écarts. Nous concevons d'abord un module de prévision d'interaction conditionné par l'ego qui échantillonne des plans candidats et utilise un réseau basé sur les transformateurs pour prédire les réponses des véhicules environnants, générant des plans de scénario cohérents. Un algorithme de génération d'écart est ensuite introduit, incorporant explicitement la dynamique de changement de voie et les influences interactives. Nous développons en outre une fonction de coût de transition d'écart pour évaluer conjointement la faisabilité d'accès à l'écart et l'efficacité. Enfin, une trajectoire grossière générée en combinant le Modèle de Conducteur Intelligent (IDM) et la Programmation Dynamique (DP) est affinée via un module de Programmation Quadratique contraignante (QP) pour respecter les contraintes de continuité, de douceur et de sécurité. Des expériences sur le jeu de données nuPlan démontrent que notre approche surpasse considérablement les méthodes existantes en matière de stabilité de planification, de sécurité et d'efficacité de conduite sur plusieurs métriques.
Zhang et al. (vendredi) ont étudié cette question.