Real-Time Capable Decision Making for Autonomous Driving Using Reachable Sets

要約

近年の大きな進歩にも関わらず、自律走行車のリアルタイム動作計画は依然として大きな課題です。
この研究では、セットベースの到達可能性分析に基づく決定モジュールを紹介します。まず、車線が変更される道路網の小道に沿った車両の縦方向位置の到達可能なセットを計算することにより、考えられるすべての走行通路を特定します。
離散イベントとしてモデル化されます。
次に、車線変更や望ましい速度プロファイルからの逸脱にペナルティを与えるコスト関数に基づいて、最適な走行コリドーを選択します。
最後に、選択した走行コリドー内で参照軌道を生成します。これは、低レベルの軌道プランナーをガイドしたりウォーム スタートしたりするために使用できます。
数値評価では、意思決定モジュールをモーション プリミティブ ベースおよび最適化ベースのプランナーと組み合わせて、2000 の困難な CommonRoad 交通シナリオおよび現実的な CARLA シミュレーターでのパフォーマンスを評価します。
結果は、私たちの意思決定モジュールがリアルタイム対応であり、意思決定モジュールを使用せずにモーション プランナーをスタンドアロンで実行する場合と比較して、大幅な速度向上をもたらすことを示しています。

要約(オリジナル)

Despite large advances in recent years, real-time capable motion planning for autonomous road vehicles remains a huge challenge. In this work, we present a decision module that is based on set-based reachability analysis: First, we identify all possible driving corridors by computing the reachable set for the longitudinal position of the vehicle along the lanelets of the road network, where lane changes are modeled as discrete events. Next, we select the best driving corridor based on a cost function that penalizes lane changes and deviations from a desired velocity profile. Finally, we generate a reference trajectory inside the selected driving corridor, which can be used to guide or warm start low-level trajectory planners. For the numerical evaluation we combine our decision module with a motion-primitive-based and an optimization-based planner and evaluate the performance on 2000 challenging CommonRoad traffic scenarios as well in the realistic CARLA simulator. The results demonstrate that our decision module is real-time capable and yields significant speed-ups compared to executing a motion planner standalone without a decision module.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google