An Autonomous Driving Model Integrated with BEV-V2X Perception, Fusion Prediction of Motion and Occupancy, and Driving Planning, in Complex Traffic Intersections

要約

Vehicle-to-Everything (V2X) 認識の包括性により、グローバルな Birds-Eye-View (BEV) 認識が強化され、総合的に形成され、豊富なセマンティクスが組み込まれ、運転シーン情報が統合され、それによって車両状態の予測、意思決定、および運転の機能が提供されます。
計画中。
V2X メッセージ セットを利用して BEV マップを形成することは、コネクテッド自動運転車 (CAV) にとって効果的な認識方法であることが証明されています。
具体的には、マップメッセージ。
(MAP)、信号フェーズとタイミング (SPAT)、路側情報 (RSI) は、道路接続性、同期した信号ナビゲーション、障害物警告の実現に貢献します。
さらに、時系列の基本安全メッセージを活用します。
複数の車両からの (BSM) データにより、リアルタイムの認識と将来の状態の予測が可能になります。
したがって、この論文では、BEV-V2X 知覚、相互作用複数モデル無香料カルマン フィルター (IMM-UKF) ベースの融合予測、および深層強化学習 (DRL) ベースの意思決定と計画に依存する包括的な自動運転モデル​​を開発します。
これらを DRL 環境に統合して、障害物回避、車線変更、追い越し、方向転換操作、同期した信号ナビゲーションを含む最適な一連の統合運転動作を開発しました。
その結果、複雑な交差点シナリオがシミュレーションされ、よく訓練されたモデルが運転計画に適用されました。
観察された運転行動は経験豊富なドライバーの運転行動に非常に似ており、予測的な行動を示し、運転方針の顕著な運用上のハイライトを明らかにしました。

要約(オリジナル)

The comprehensiveness of vehicle-to-everything (V2X) recognition enriches and holistically shapes the global Birds-Eye-View (BEV) perception, incorporating rich semantics and integrating driving scene information, thereby serving features of vehicle state prediction, decision-making and driving planning. Utilizing V2X message sets to form BEV map proves to be an effective perception method for connected and automated vehicles (CAVs). Specifically, Map Msg. (MAP), Signal Phase And Timing (SPAT) and Roadside Information (RSI) contributes to the achievement of road connectivity, synchronized traffic signal navigation and obstacle warning. Moreover, harnessing time-sequential Basic Safety Msg. (BSM) data from multiple vehicles allows for the real-time perception and future state prediction. Therefore, this paper develops a comprehensive autonomous driving model that relies on BEV-V2X perception, Interacting Multiple model Unscented Kalman Filter (IMM-UKF)-based fusion prediction, and deep reinforcement learning (DRL)-based decision making and planning. We integrated them into a DRL environment to develop an optimal set of unified driving behaviors that encompass obstacle avoidance, lane changes, overtaking, turning maneuver, and synchronized traffic signal navigation. Consequently, a complex traffic intersection scenario was simulated, and the well-trained model was applied for driving planning. The observed driving behavior closely resembled that of an experienced driver, exhibiting anticipatory actions and revealing notable operational highlights of driving policy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google