自动驾驶潜空间模型提出方向回拉正则化方法

Shatadal Mishra 等研究者提出 Directional Pullback Regularization（DPR），一种训练期方法，在解码状态空间定义运动学感知的各向异性黎曼度量，并通过解码器雅可比将其拉回隐流形，对解码为横向运动的隐方向赋予更高代价，同时保留原有编码器-动力学-解码器结构。该论文已被 IEEE CDC 2026 接收。 论文称，在四种训练设置下，DPR 的 10 秒末段位移误差均低于 ULR 与 EPR；其中在采用 3 步展开监督训练的模型上相对提升最大，10 秒末段位移误差较 ULR 降低约 44%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。