Overcoming Blind Spots: Occlusion Considerations for Improved Autonomous Driving Safety

要約

本研究では、不確実性の高い動的環境における自律走行車の軌跡の安全性を評価するためのモジュールを導入する。我々は、周囲の障害物に関する情報が限られている閉塞領域と閉塞交通参加者に焦点を当てる。この問題に対処するために、都市環境における静的・動的障害物によって生じる死角（BS）を処理するソフトウェアモジュールを提案する。我々は、潜在的な閉塞交通参加者を特定し、その動きを予測し、様々な臨界メトリックを用いて自車両の軌跡を評価する。本手法は、モーション・プランナー・アルゴリズムに簡単かつモジュール的に統合することができる。本モジュールを評価するために重要な実世界のシナリオを提示し、本アプローチを一般に利用可能な軌道計画アルゴリズムに適用する。その結果、安全性評価を計画プロセスに組み込むことで、道路利用者が隠れていても安全かつ効率的な運転が実現できることが実証された。本研究で使用したコードはオープンソースソフトウェアとして公開されており、以下のリンクからアクセスできる：https://github.com/TUM-AVS/Frenetix-Occlusion.

要約(オリジナル)

Our work introduces a module for assessing the trajectory safety of autonomous vehicles in dynamic environments marked by high uncertainty. We focus on occluded areas and occluded traffic participants with limited information about surrounding obstacles. To address this problem, we propose a software module that handles blind spots (BS) created by static and dynamic obstacles in urban environments. We identify potential occluded traffic participants, predict their movement, and assess the ego vehicle’s trajectory using various criticality metrics. The method offers a straightforward and modular integration into motion planner algorithms. We present critical real-world scenarios to evaluate our module and apply our approach to a publicly available trajectory planning algorithm. Our results demonstrate that safe yet efficient driving with occluded road users can be achieved by incorporating safety assessments into the planning process. The code used in this research is publicly available as open-source software and can be accessed at the following link: https://github.com/TUM-AVS/Frenetix-Occlusion.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL