文章导读
你是否厌倦了自动驾驶泊车时“听不懂指令”“找不到目标”的尴尬？交大溥渊团队最新研究成果或将彻底改变这一局面。他们在机器人顶级会议IROS上提出“AVP Scene Graph”——一种融合视觉与语言的层次化场景建图方法，让车辆不仅能看懂停车场的标志、出口、电梯厅，还能理解“停到B2车库电梯旁”这样自然的人类指令。通过多层语义建图与大模型驱动的导航，系统实现了更高灵活性、可读性与交互性的自动代客泊车。这项技术或将重新定义智能泊车的未来。
— 内容由好学术AI分析文章内容生成，仅供参考。
上海交通大学智能网联电动汽车创新中心团队在机器人国际会议IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)上发表题为“AVP Scene Graph: Hierarchical Visual Language Mapping and Navigation for Autonomous Valet Parking”的研究论文。文章主要探讨了一种服务于自动代客泊车（AVP）任务的视觉语言场景图,其能够有效提升自动代客泊车功能的灵活性。本文第一作者是溥渊未来技术学院2024级博士生牟相如，本文通讯作者是秦通副教授。
研究背景
当前，自动代客泊车已成为自动驾驶的重要落地场景：驾驶员仅需通过手机指令，即可完成车辆的自动巡航泊车与自动召回。该功能的实现依赖于车端传感器在首次进入停车场时采集数据，并据此预先构建高精度泊车地图；当车辆再次驶入同一停车场，可直接调用既有地图并指定目标车位，随后启动自动代客泊车功能，实现从入口到车位的全程自主、安全、精准泊入。
研究现状
现有泊车地图存在三大痛点：
1）信息维度单一，仅有预先定义好的类别（车道线、箭头等），不能充分反映环境中的有用信息（标志牌、引导标志等）；
2）可读性和扩展性较差，难以支持司机与系统的直观交互；
3）结构复杂，读图和更新效率低。
因此，亟需构建一种结构清晰、信息丰富、检索高效且便于人机交互的自动代客泊车地图，以填补当前技术缺口。
研究成果
为解决上述问题，本文构建了一种面向自动代客泊车任务的多层场景地图：首先利用视觉语言模型提取开放世界的语义，将其嵌入到矢量地图的节点中，再通过自下而上的特征融合将地图进行场景抽象，最终形成结构清晰、信息丰富的多层场景地图。
与此同时，本文提出一种自上而下的导航方法：先利用大模型实现人机交互，从人类指令中获取导航目标；再借助图结构的高效检索自上而下定位目标；最后由路径规划算法生成最优路径，实现自动代客泊车。
方法框架图
如下图所示，传统地图语义有限、人机交互受限；而本文方法能够从人类指令“帮我导航到地库出口”或“把车停到B2车库的电梯厅旁边”中提取导航目标，按人类预期实现灵活、准确的自动代客泊车。
作者信息
牟相如
上海交通大学溥渊未来技术学院2024级博士研究生。研究方向：自动泊车构图、端到端自动驾驶。
陈丰毅
上海交通大学溥渊未来技术学院2024级博士研究生。研究方向：机器人模仿学习、强化学习。
陈思源
上海交通大学自动化与感知学院2023级硕士研究生。研究方向：自动驾驶规划控制，V2X系统。
秦通
上海交通大学溥渊未来技术学院副教授。博士毕业于香港科技大学电子及计算机工程系，曾任职华为车BU。秦通被评选为华为公司首届“天才少年”。他在担任华为车BU感知SLAM技术专家期间，参与研发华为ADS智能驾驶系统，贡献了业界领先的智能驾驶方案，并在多款车型上实现了规模化商用。近年来以第一/通讯作者身份在TRO、JFR、RAL、ICRA等机器人领域顶级期刊和会议上发表高质量论文十余篇。曾获得IROS2018最佳学生论文奖和TRO最佳论文提名奖。研究方向：智能驾驶感知、构图、定位；端到端AI大模型；移动机器人SLAM。
作者： 上海交通大学智能网联电动汽车创新中心 供稿单位： 溥渊未来技术学院
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
暂无评论...