Motion Planning for Autonomous Driving: The State of the Art and Perspectives

要約

利便性の向上、安全性の利点、および潜在的な商業的価値のおかげで、インテリジェント ビークル (IV) は世界中で広く注目を集めています。
自動運転のユニコーンの中には、IV が 2025 年までに商用展開可能になると主張するものもありますが、その実装はさまざまな問題のためにまだ小規模な検証に制限されており、計画方法による制御コマンドまたは軌道の正確な計算は IV の前提条件のままです。
このホワイト ペーパーでは、パイプライン計画やエンド ツー エンドの計画方法など、最先端の計画方法を概説することを目的としています。
パイプライン手法に関しては、拡張および最適化メカニズムの説明とともにアルゴリズムの選択に関する調査が提供されますが、エンド ツー エンド手法では、トレーニング アプローチと運転タスクの検証シナリオが重要なポイントになります。
適切なトレーニングおよび検証方法を選択する際に読者を容易にするために、実験プラットフォームがレビューされます。
最後に、現在の課題と今後の方向性について説明します。
この調査で提示された比較は、レビューされた方法の長所と制限についての洞察を得るのに役立つだけでなく、システムレベルの設計の選択にも役立ちます。

要約(オリジナル)

Thanks to the augmented convenience, safety advantages, and potential commercial value, Intelligent vehicles (IVs) have attracted wide attention throughout the world. Although a few of autonomous driving unicorns assert that IVs will be commercially deployable by 2025, their implementation is still restricted to small-scale validation due to various issues, among which precise computation of control commands or trajectories by planning methods remains a prerequisite for IVs. This paper aims to review state-of-the-art planning methods, including pipeline planning and end-to-end planning methods. In terms of pipeline methods, a survey of selecting algorithms is provided along with a discussion of the expansion and optimization mechanisms, whereas in end-to-end methods, the training approaches and verification scenarios of driving tasks are points of concern. Experimental platforms are reviewed to facilitate readers in selecting suitable training and validation methods. Finally, the current challenges and future directions are discussed. The side-by-side comparison presented in this survey not only helps to gain insights into the strengths and limitations of the reviewed methods but also assists with system-level design choices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google