An Efficient Risk-aware Branch MPC for Automated Driving that is Robust to Uncertain Vehicle Behaviors

要約

自動運転における重要な課題の 1 つは、他の車両の未知の挙動にもかかわらず、自動運転車両の安全性を確保することです。
動き予測モジュールはさまざまな動作モードに関連付けられた確率分布を生成できますが、その確率推定は不正確であることが多く、そのため危険な軌道が生じる可能性があります。
この課題を克服するために、推定された確率分布のあいまいさを適切に考慮した、リスクを意識した動作計画フレームワークを提案します。
リスクを意識した動作計画問題を最小最大最適化問題として定式化し、確率更新ステップに正則化項を組み込むことで効率的な反復法を開発します。
広範な数値研究を通じて、私たちの手法の収束性を検証し、最先端のアプローチと比較したその利点を実証します。

要約(オリジナル)

One of the critical challenges in automated driving is ensuring safety of automated vehicles despite the unknown behavior of the other vehicles. Although motion prediction modules are able to generate a probability distribution associated with various behavior modes, their probabilistic estimates are often inaccurate, thus leading to a possibly unsafe trajectory. To overcome this challenge, we propose a risk-aware motion planning framework that appropriately accounts for the ambiguity in the estimated probability distribution. We formulate the risk-aware motion planning problem as a min-max optimization problem and develop an efficient iterative method by incorporating a regularization term in the probability update step. Via extensive numerical studies, we validate the convergence of our method and demonstrate its advantages compared to the state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google