今年9月起，智东西公开课品牌全新升级为智猩猩。智猩猩定位硬科技讲解与服务平台，提供公开课、在线研讨会、讲座、峰会等线上线下产品。
「自动驾驶新青年讲座」由智猩猩企划，致力于邀请全球知名高校、顶尖研究机构以及优秀企业的新青年，主讲在环境感知、精准定位、决策规划、控制执行等自动驾驶关键技术上的最新研究成果和开发实践。
「自动驾驶新青年讲座」现已完结25讲，错过往期讲座直播的朋友，可以点击文章底部“阅读原文”进行回看！
有兴趣讲解的朋友，可以与智猩猩教研产品团队邮件（class@zhidx.com）联系。
在强交互场景中，自动驾驶汽车（AV）需要与道路上的各种智能体进行高效且安全地互动。这些智能体包括其他AV、人类驾驶的汽车、行人等。智能体的行为具有难以预测性，且复杂多变，对AV的决策系统提出了巨大挑战。因此，想要建立其可靠的自主能力，安全地在强交互场景中导航，就需要可扩展、具有普遍性关系推理和交互建模能力来处理交互智能体之间的关系。
近年来，基于深度强化学习的AV自主导航相关研究有了可喜的进展，但现有工作通常采用固定的行为策略来控制训练环境中的社会车辆。这可能导致驾驶策略过度拟合环境，从而难以与其他车辆进行良好交互。
此外，在强交互场景中，准确理解和预测人类行为是实现自动驾驶的关键先决条件。行人检测技术能够使AV准确地感知和理解周围环境，并做出更加智能安全的决策，避免潜在事故的发生。
在上述背景下，加利福尼亚大学河滨分校（UCR）电气与计算机工程系和计算机科学与工程系助理教授、斯坦福大学博士后李家琛等研究人员提出一种统一的关系推理框架EvolveGraph，用于建模多智能体系统和人机交互中的潜在关系或互动规律。该框架能够在不同范围或抽象层面上，推断出可解释的实体间关系，EvolveGraph相关论文成果收录于NeurIPS 2020顶会上。
针对T字路口，李博士等研究人员又提出一种基于元强化学习的方法，通过交互奖励函数随机化，生成多样化的目标。基于强化学习的车辆行为预测与鲁棒序列决策方法的相关论文成果收录于ITSC 2023顶会上。
此外，针对强交互场景，相关团队又提出一种基于三维人体关键点的行人动作识别及轨迹预测的新型多任务学习框架，并在数据集中验证了其有效性。三维人体关键点的行人动作识别及轨迹预测框架相关的论文成果收录于ICRA 2023顶会上。
11月16日10点，「自动驾驶新青年讲座」第26讲邀请到加利福尼亚大学河滨分校（UCR）助理教授、斯坦福大学博士后李家琛参与，主讲《强交互场景下自动驾驶中的行为预测与决策》。
讲者
李家琛，加利福尼亚大学河滨分校助理教授
斯坦福大学博士后，在加利福尼亚大学伯克利分校获得博士学位。2022年被评为RSS Robotics Pioneer，并在2023年被评为ASME DCSD Rising Star。李博士发表了35篇同行评审的论文，并申请了11项专利。担任多个顶级期刊和会议副主编或审稿人。在NeurIPS、ICCV、ICRA、IROS、IV和ITSC国际顶级会议上组织了多个关于机器人、机器学习、计算机视觉和智能交通系统的研讨会，详见 https://jiachenli94.github.io/。
第26讲
主 题
《强交互场景下自动驾驶中的行为预测与决策》
提 纲
1、多智能体系统与人机交互关系推理框架EvolveGraph
2、基于强化学习的车辆行为预测与鲁棒序列决策
3、基于三维人体关键点的行人动作识别及轨迹预测
4、未来研究工作展望
直 播 信 息
直播时间：11月16日10:00
直播地点：智猩猩知识店铺
成果
论文标题
《EvolveGraph: Multi-Agent Trajectory Prediction with Dynamic Relational Reasoning》
《Robust Driving Policy Learning withGuided Meta Reinforcement Learning》
《Pedestrian Crossing Action Recognition and Trajectory Predictionwith 3D Human Keypoints》
论文地址
https://arxiv.org/abs/2003.13924
https://arxiv.org/abs/2307.10160
https://arxiv.org/abs/2306.01075
报名方式
对本次讲座感兴趣朋友，可以扫描下方二维码，添加小助手陈新进行报名。已添加过陈新的老朋友，可以给陈新私信，发送“自动驾驶26”即可报名。
同时，针对「自动驾驶新青年讲座」，我们已经组建了专属学习群，也将邀请各位自动驾驶新青年加入。加入学习群，除了可以免费听课之外，还能认识讲者，与更多同行和同学一起学习，并进行深度学习交流。想要加入的朋友，也可以和陈新进行申请。
