PaaS: Planning as a Service for reactive driving in CARLA Leaderboard

要約

エンドツーエンドの深層学習アプローチは、自動運転とロボット工学において効率的であることが証明されています。
意思決定に深層学習技術を使用することにより、これらのシステムはブラック ボックスと呼ばれることが多く、結果はデー​​タに基づいて決定されます。
この論文では、CARLA シミュレーションで自動運転のためのローカル軌道計画を生成するバニラ モジュールである PaaS (Planning as a Service) を提案します。
私たちの手法は、現実的な交通シナリオにおける自動運転エージェントの運転熟練度を評価するプラットフォームである International CARLA Autonomous Driving Leaderboard (CADL) に提出されています。
私たちのアプローチは、都市部の複雑な道路の制約とドライバーの快適性の下で、フレネフレームでの反応的な計画に焦点を当てています。
プランナーは、安全な走行基準を満たす最適な制御経路を選択するために、制御可能な運転スタイル要素を備えたヒューリスティックなコスト関数を活用して、実行可能な軌道のコレクションを生成します。
PaaS は、CADL の困難なトラフィック状況に適切に対処するための十分なソリューションを提供できます。
CADLマップトラックにおける厳正な評価の結果、走行スコアの評価に関しては9件中3位にランクされました。
ただし、操縦のリスクを最小限に抑え、乗客の安全を確保することに重点を置いているため、違反ペナルティに相当する当社の数値は、主要な 2 件の申請を 20% 上回っています。

要約(オリジナル)

End-to-end deep learning approaches has been proven to be efficient in autonomous driving and robotics. By using deep learning techniques for decision-making, those systems are often referred to as a black box, and the result is driven by data. In this paper, we propose PaaS (Planning as a Service), a vanilla module to generate local trajectory planning for autonomous driving in CARLA simulation. Our method is submitted in International CARLA Autonomous Driving Leaderboard (CADL), which is a platform to evaluate the driving proficiency of autonomous agents in realistic traffic scenarios. Our approach focuses on reactive planning in Frenet frame under complex urban street’s constraints and driver’s comfort. The planner generates a collection of feasible trajectories, leveraging heuristic cost functions with controllable driving style factor to choose the optimal-control path that satisfies safe travelling criteria. PaaS can provide sufficient solutions to handle well under challenging traffic situations in CADL. As the strict evaluation in CADL Map Track, our approach ranked 3rd out of 9 submissions regarding the measure of driving score. However, with the focus on minimizing the risk of maneuver and ensuring passenger safety, our figures corresponding to infraction penalty dominate the two leading submissions for 20 percent.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google