Efficient and Interaction-Aware Trajectory Planning for Autonomous Vehicles with Particle Swarm Optimization

要約

本稿では、自律走行シナリオにおいて滑らかな車線変更軌道を実現するための新しい数値的アプローチを紹介する。我々の軌道生成アプローチは粒子群最適化(PSO)技術を活用し、軌道洗練のためにニューラルネットワーク(NN)予測を組み込む。多項式カーブフィッティングと粒子伝播を組み合わせることで、車線変更操作のための滑らかで動的に実行可能な軌道の生成が容易になり、車両のダイナミクスを考慮することができる。提案する計画アルゴリズムは、リアルタイム計算能力で実現可能な軌道を決定することができる。数値シミュレーションにおいて、解析的解法と発見的手法を含む、車線変更のための2つのベースライン手法との比較分析を行う。シミュレーションの結果、提案手法の有効性と有効性が検証された。

要約(オリジナル)

This paper introduces a novel numerical approach to achieving smooth lane-change trajectories in autonomous driving scenarios. Our trajectory generation approach leverages particle swarm optimization (PSO) techniques, incorporating Neural Network (NN) predictions for trajectory refinement. The generation of smooth and dynamically feasible trajectories for the lane change maneuver is facilitated by combining polynomial curve fitting with particle propagation, which can account for vehicle dynamics. The proposed planning algorithm is capable of determining feasible trajectories with real-time computation capability. We conduct comparative analyses with two baseline methods for lane changing, involving analytic solutions and heuristic techniques in numerical simulations. The simulation results validate the efficacy and effectiveness of our proposed approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL