Multi-Agent Path Integral Control for Interaction-Aware Motion Planning in Urban Canals

要約

都市環境で動作する自動運転車は、他の意思決定エージェントとの相互作用に関する既存のルールと理由に準拠する必要があります。
この論文では、分散型で通信を必要としない相互作用を意識したモーション プランナーを紹介し、それを都市運河の自律水上船舶 (ASV) に適用します。
サンプリングベースの方法、つまりモデル予測経路積分制御 (MPPI) に基づいて構築し、それを使用して、各時間インスタンスで、車両の衝突のない軌道と他のエージェントの軌道の予測の両方を計算し、モデル化します。
相互作用。
マルチ エージェント シナリオでメソッドの効率を向上させるために、2 段階のサンプル評価戦略を導入し、ルール コンプライアンスを達成するための適切なコスト関数を定義します。
アムステルダムの運河から抽出された実際のシナリオで複数の船舶を使用したシミュレーションでこの分散型アプローチを評価し、さまざまなタイプのエージェントに遭遇したときの最先端の軌道最適化フレームワークと堅牢性よりも優れたパフォーマンスを示します。

要約(オリジナル)

Autonomous vehicles that operate in urban environments shall comply with existing rules and reason about the interactions with other decision-making agents. In this paper, we introduce a decentralized and communication-free interaction-aware motion planner and apply it to Autonomous Surface Vessels (ASVs) in urban canals. We build upon a sampling-based method, namely Model Predictive Path Integral control (MPPI), and employ it to, in each time instance, compute both a collision-free trajectory for the vehicle and a prediction of other agents’ trajectories, thus modeling interactions. To improve the method’s efficiency in multi-agent scenarios, we introduce a two-stage sample evaluation strategy and define an appropriate cost function to achieve rule compliance. We evaluate this decentralized approach in simulations with multiple vessels in real scenarios extracted from Amsterdam’s canals, showing superior performance than a state-of-the-art trajectory optimization framework and robustness when encountering different types of agents.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google