Spatiotemporal Receding Horizon Control with Proactive Interaction Towards Autonomous Driving in Dense Traffic

要約

交通渋滞のシナリオでは、自動運転の高いタスクパフォ​​ーマンスを維持しながら安全性を確保することが重要な課題です。
この問題に対処するために、本論文では、制御空間内で安全で動的に実行可能なエネルギー効率の高い軌道を生成する、計算効率の高い時空間後退制御（ST-RHC）スキームを提案します。このスキームでは、密集した交通量でのさまざまな運転タスクを高精度で達成できます。
リアルタイムの精度と安全性。
特に、積極的な相互作用を考慮した具体化された時空間安全バリアモジュールは、他の車両の軌道予測から生じる不正確さの影響を軽減するために考案されています。
続いて、動作計画と制御の問題が制約付き非線形最適化問題として定式化され、複数の撮影と組み合わせて既製の最適化ソルバーを効果的に使用することが有利に促進されます。
提案された ST-RHC スキームの有効性は、渋滞下での合成交通データセットと現実世界の交通データセットに関する最先端のアルゴリズムとの包括的な比較と、それに伴う精度、効率、安全性の面で優れたパフォーマンスの結果によって実証されます。
が達成された。

要約(オリジナル)

In dense traffic scenarios, ensuring safety while keeping high task performance for autonomous driving is a critical challenge. To address this problem, this paper proposes a computationally-efficient spatiotemporal receding horizon control (ST-RHC) scheme to generate a safe, dynamically feasible, energy-efficient trajectory in control space, where different driving tasks in dense traffic can be achieved with high accuracy and safety in real time. In particular, an embodied spatiotemporal safety barrier module considering proactive interactions is devised to mitigate the effects of inaccuracies resulting from the trajectory prediction of other vehicles. Subsequently, the motion planning and control problem is formulated as a constrained nonlinear optimization problem, which favorably facilitates the effective use of off-the-shelf optimization solvers in conjunction with multiple shooting. The effectiveness of the proposed ST-RHC scheme is demonstrated through comprehensive comparisons with state-of-the-art algorithms on synthetic and real-world traffic datasets under dense traffic, and the attendant outcome of superior performance in terms of accuracy, efficiency and safety is achieved.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google