机构名称：
¥ 1.0
摘要 — 自动驾驶汽车依靠准确的轨迹预测来为与导航和防撞相关的决策过程提供信息。然而，目前的轨迹预测模型存在过度拟合的迹象，这可能导致不安全或次优的行为。为了应对这些挑战，本文提出了一个全面的框架，对文献中用于评估和提高轨迹预测模型鲁棒性的定义和策略进行分类和评估。这涉及对各种方法的详细探索，包括数据切片方法、扰动技术、模型架构更改和训练后调整。在文献中，我们看到了许多有前景的提高鲁棒性的方法，这对于安全可靠的自动驾驶是必不可少的。
自动驾驶汽车轨迹预测鲁棒性研究
主要关键词
相关文件推荐
