RALTPER: A Risk-Aware Local Trajectory Planner for Complex Environment with Gaussian Uncertainty

要約

この論文では、ガウスの不確実性によって特徴付けられる複雑な環境における自律走行車のための新しいリスク認識ローカル軌道プランナー (RALTPER) を提案します。
提案された方法は、確率モデルを活用して動的および静的障害物との衝突の可能性を評価することにより、リスク認識と軌道計画を統合します。
RALTPER は、自車両領域とガウス障害物危険領域の両方の衝突回避制約に焦点を当てます。
さらに、この作業により車両モデルと障害物モデルの両方の一般化が強化され、プランナーがより広範囲のシナリオに適応できるようになります。
私たちのアプローチでは、計画問題を非線形最適化として定式化し、CasADi 環境内で IPOPT ソルバーを使用して解決します。
プランナーは、複雑で静的な混合環境や狭い単一車線の歩行者回避など、さまざまな困難なシナリオのシミュレーションを通じて評価されます。
結果は、RALTPER が、特に衝突を回避するためにより正確な車両プロファイル表現が重要である狭いエリアを移動する場合に、より安全で効率的な軌道計画を達成できることを示しています。

要約(オリジナル)

In this paper, we propose a novel Risk-Aware Local Trajectory Planner (RALTPER) for autonomous vehicles in complex environments characterized by Gaussian uncertainty. The proposed method integrates risk awareness and trajectory planning by leveraging probabilistic models to evaluate the likelihood of collisions with dynamic and static obstacles. The RALTPER focuses on collision avoidance constraints for both the ego vehicle region and the Gaussian-obstacle risk region. Additionally, this work enhances the generalization of both vehicle and obstacle models, making the planner adaptable to a wider range of scenarios. Our approach formulates the planning problem as a nonlinear optimization, solved using the IPOPT solver within the CasADi environment. The planner is evaluated through simulations of various challenging scenarios, including complex, static, mixed environment and narrow single-lane avoidance of pedestrians. Results demonstrate that RALTPER achieves safer and more efficient trajectory planning particularly in navigating narrow areas where a more accurate vehicle profile representation is critical for avoiding collisions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google