Occlusion-aware Risk Assessment and Driving Strategy for Autonomous Vehicles Using Simplified Reachability Quantification

要約

自動運転車には未解決の課題がいくつかあります。
そのうちの 1 つは、遮蔽された歩行者や車両の間を安全に移動することです。
これまでの研究の多くは、ファントム車を生成し、そのリスクを評価することでこの問題を解決しようとしました。
この論文では、以前の研究に動機づけられて、簡易到達可能性定量化を使用して架空の歩行者/車両のリスクを効率的に評価するアルゴリズムを提案します。
私たちは、自動運転車の速度プロファイルを計画する際に、このオクルージョン リスクを利用して、危険な位置に速度制限を設定しました。
これにより、自動運転車は遮蔽されたエリアでも安全かつ効率的に走行できるようになります。
提案されたアルゴリズムは CARLA シミュレーターのさまざまなシナリオで評価され、平均衝突率が 6.14 倍、不快感スコアが 5.03 倍減少しました。その一方で、ベースライン 1 と比較して通過時間は 1.48 倍増加し、計算時間は 20.15 倍短縮されました。
X をベースライン 2 と比較。

要約(オリジナル)

There are several unresolved challenges for autonomous vehicles. One of them is safely navigating among occluded pedestrians and vehicles. Much of the previous work tried to solve this problem by generating phantom cars and assessing their risk. In this paper, motivated by the previous works, we propose an algorithm that efficiently assesses risks of phantom pedestrians/vehicles using Simplified Reachability Quantification. We utilized this occlusion risk to set a speed limit at the risky position when planning the velocity profile of an autonomous vehicle. This allows an autonomous vehicle to safely and efficiently drive in occluded areas. The proposed algorithm was evaluated in various scenarios in the CARLA simulator and it reduced the average collision rate by 6.14X, the discomfort score by 5.03X, while traversal time was increased by 1.48X compared to baseline 1, and computation time was reduced by 20.15X compared to baseline 2.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google