S4TP: Social-Suitable and Safety-Sensitive Trajectory Planning for Autonomous Vehicles

要約

公道では、自動運転車 (AV) は、人間が運転する車両 (HDV) と頻繁にやり取りするという課題に直面しています。これにより、人間の社会的特性が異なるため、運転行動が不確実になります。
社会的インタラクティブな交通シナリオにおいて AV の近くに蔓延するリスクを効果的に評価し、安全な自動運転を実現するために、この記事では社会に適した安全重視の軌道計画 (S4TP) フレームワークを提案します。
具体的には、S4TP は、Social-Aware Trajectory Prediction (SATP) モジュールと Social-Aware Driving Risk Field (SADRF) モジュールを統合します。
SATP は、トランスフォーマーを利用して運転シーンを効果的にエンコードし、予測デコード プロセス中に AV の計画された軌道を組み込みます。
SADRF は、AV と HDV の相互作用中に予想される周囲のリスク度を評価します。それぞれが異なる社会的特性を持ち、AV を中心とした 2 次元ヒート マップとして視覚化されます。
SADRF は、周囲の HDV の運転意図をモデル化し、車両の相互作用の表現に基づいて軌道を予測します。
S4TP は、予測された HDV の軌道を入力として利用して、動作計画に最適化ベースのアプローチを採用します。
SADRF の統合により、S4TP は低リスク領域内の AV の計画軌道のリアルタイムオンライン最適化を実行し、計画軌道の安全性と解釈可能性を向上させます。
SMARTS シミュレータを使用して、提案手法の包括的なテストを実行しました。
保護されていない左折交差点、合流、巡航、追い越しなどの複雑な社会シナリオでの実験結果は、安全性と合理性の点で私たちが提案するS4TPの優位性を検証します。
S4TP は、すべてのシナリオで 100% の合格率を達成し、現在の最先端のメソッドである Fanta の 98.25% と Predictive-Decision の 94.75% を上回ります。

要約(オリジナル)

In public roads, autonomous vehicles (AVs) face the challenge of frequent interactions with human-driven vehicles (HDVs), which render uncertain driving behavior due to varying social characteristics among humans. To effectively assess the risks prevailing in the vicinity of AVs in social interactive traffic scenarios and achieve safe autonomous driving, this article proposes a social-suitable and safety-sensitive trajectory planning (S4TP) framework. Specifically, S4TP integrates the Social-Aware Trajectory Prediction (SATP) and Social-Aware Driving Risk Field (SADRF) modules. SATP utilizes Transformers to effectively encode the driving scene and incorporates an AV’s planned trajectory during the prediction decoding process. SADRF assesses the expected surrounding risk degrees during AVs-HDVs interactions, each with different social characteristics, visualized as two-dimensional heat maps centered on the AV. SADRF models the driving intentions of the surrounding HDVs and predicts trajectories based on the representation of vehicular interactions. S4TP employs an optimization-based approach for motion planning, utilizing the predicted HDVs’trajectories as input. With the integration of SADRF, S4TP executes real-time online optimization of the planned trajectory of AV within lowrisk regions, thus improving the safety and the interpretability of the planned trajectory. We have conducted comprehensive tests of the proposed method using the SMARTS simulator. Experimental results in complex social scenarios, such as unprotected left turn intersections, merging, cruising, and overtaking, validate the superiority of our proposed S4TP in terms of safety and rationality. S4TP achieves a pass rate of 100% across all scenarios, surpassing the current state-of-the-art methods Fanta of 98.25% and Predictive-Decision of 94.75%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google