End-to-End Learning of Behavioural Inputs for Autonomous Driving in Dense Traffic

要約

フレネ (道路に沿った) フレームでの軌道サンプリングは、自動運転車の動作計画で最も一般的な方法の 1 つです。
これは、サンプリングされた入力に条件付けされた軌道最適化問題を解決する前に、車線オフセットや前進速度などの一連の動作入力をサンプリングすることによって動作します。
サンプリングは単純なヒューリスティックに基づいて手作業で行われ、運転シナリオには適応せず、下流の軌道プランナーの能力を考慮しません。
この論文では、専門家のデモンストレーションから、または自己教師ありの方法で、行動入力分布をエンドツーエンドで学習することを提案します。
私たちの主な新しさは、カスタムの微分可能軌道オプティマイザーをニューラル ネットワークの層として埋め込むことで、オプティマイザーのフィードバックを考慮して動作入力を更新できるようになります。
さらに、エンドツーエンドのアプローチにより、学習された動作入力がオプティマイザーの収束に役立つことも保証されます。
私たちは以下の点で最先端の技術を向上させています。
まず、学習された行動入力により、手作りのアプローチよりも運転効率が向上しながら、衝突率が大幅に減少することを示します。
第 2 に、私たちのアプローチは、サンプリングベースの最適化に基づくモデル予測制御手法よりも優れています。

要約(オリジナル)

Trajectory sampling in the Frenet(road-aligned) frame, is one of the most popular methods for motion planning of autonomous vehicles. It operates by sampling a set of behavioural inputs, such as lane offset and forward speed, before solving a trajectory optimization problem conditioned on the sampled inputs. The sampling is handcrafted based on simple heuristics, does not adapt to driving scenarios, and is oblivious to the capabilities of downstream trajectory planners. In this paper, we propose an end-to-end learning of behavioural input distribution from expert demonstrations or in a self-supervised manner. Our core novelty lies in embedding a custom differentiable trajectory optimizer as a layer in neural networks, allowing us to update behavioural inputs by considering the optimizer’s feedback. Moreover, our end-to-end approach also ensures that the learned behavioural inputs aid the convergence of the optimizer. We improve the state-of-the-art in the following aspects. First, we show that learned behavioural inputs substantially decrease collision rate while improving driving efficiency over handcrafted approaches. Second, our approach outperforms model predictive control methods based on sampling-based optimization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google