Human-like Decision-making at Unsignalized Intersection using Social Value Orientation

要約

自動運転車 (AV) の商用化により、将来的には、自動運転車 (AV) と人間が運転する車両 (HV) の間で道路を共有することが一般的になります。
研究は自動運転の安全性と信頼性の向上に焦点を当ててきましたが、AV と HV 間の連携を考慮することも重要です。
HV の人間のドライバーは車両間の対話のために運転習慣を維持することを期待しているため、特に一般的な信号のない交差点では、人間のような対話が AV に必要な機能です。
この論文では、車両の意思決定に社会的価値指向 (SVO) を使用して、複数の車両間の社会的相互作用を説明します。
具体的には、強化学習法に基づいて意思決定を強化するために、信号のない交差点における衝突に関与する SVO の定量的計算を定義します。
提案手法の性能評価には、高度にインタラクティブな動作を伴う自然な運転シナリオを使用します。
実験結果は、SVOが速度などの従来の運動状態パラメータよりも車両間の相互作用を特徴付けるのに効果的であること、および提案された方法が挙動クローニングと比較して自然な運転軌跡を正確に再現できることを示しています。

要約(オリジナル)

With the commercial application of automated vehicles (AVs), the sharing of roads between AVs and human-driven vehicles (HVs) becomes a common occurrence in the future. While research has focused on improving the safety and reliability of autonomous driving, it’s also crucial to consider collaboration between AVs and HVs. Human-like interaction is a required capability for AVs, especially at common unsignalized intersections, as human drivers of HVs expect to maintain their driving habits for inter-vehicle interactions. This paper uses the social value orientation (SVO) in the decision-making of vehicles to describe the social interaction among multiple vehicles. Specifically, we define the quantitative calculation of the conflict-involved SVO at unsignalized intersections to enhance decision-making based on the reinforcement learning method. We use naturalistic driving scenarios with highly interactive motions for performance evaluation of the proposed method. Experimental results show that SVO is more effective in characterizing inter-vehicle interactions than conventional motion state parameters like velocity, and the proposed method can accurately reproduce naturalistic driving trajectories compared to behavior cloning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google