RACP: Risk-Aware Contingency Planning with Multi-Modal Predictions

要約

自動運転車が現実世界の交通シナリオ内で確実に動作するためには、交通環境の他の参加者が示す不確実な意図を予測して、将来の動作の影響を評価することが不可欠です。
人間の運転行動の顕著なマルチモーダルな性質に基づいて、この論文では、他の道路利用者の潜在的な政策の分布に対するベイズ信念を活用して、新しいリスクを意識した確率的動作計画フレームワークを構築するアプローチを紹介します。
特に、交通現場における他のアクターの考えられる複数の意図を条件とした長期緊急時対応計画を出力する新しい緊急時対応プランナーを提案します。
ベイジアン信念は最適化コスト関数に組み込まれ、他のエージェントのポリシーの可能性に基づいて短期計画の動作に影響を与えます。
さらに、効率と堅牢性の間のバランスを微調整するために、確率論的なリスク指標が採用されています。
人間が運転する車両と共有される一連の閉ループの安全性が重要なシミュレーション交通シナリオを通じて、複数の車両のシナリオを処理できる、提案したアプローチの実際的な有効性を実証します。

要約(オリジナル)

For an autonomous vehicle to operate reliably within real-world traffic scenarios, it is imperative to assess the repercussions of its prospective actions by anticipating the uncertain intentions exhibited by other participants in the traffic environment. Driven by the pronounced multi-modal nature of human driving behavior, this paper presents an approach that leverages Bayesian beliefs over the distribution of potential policies of other road users to construct a novel risk-aware probabilistic motion planning framework. In particular, we propose a novel contingency planner that outputs long-term contingent plans conditioned on multiple possible intents for other actors in the traffic scene. The Bayesian belief is incorporated into the optimization cost function to influence the behavior of the short-term plan based on the likelihood of other agents’ policies. Furthermore, a probabilistic risk metric is employed to fine-tune the balance between efficiency and robustness. Through a series of closed-loop safety-critical simulated traffic scenarios shared with human-driven vehicles, we demonstrate the practical efficacy of our proposed approach that can handle multi-vehicle scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google