POMDP-Based Trajectory Planning for On-Ramp Highway Merging

要約

この論文では、高速道路のランプ路合流における自動車両の軌道計画の問題について取り上げます。
この課題に取り組むために、私たちは、部分的に観察可能なマルコフ決定プロセス (POMDP) を使用して、信号のない交差点での軌道計画に関するこれまでの研究を拡張しました。
この方法では、POMDP を効率的に解決するための近似サンプリング ベースのアプローチである Adaptive Belief Tree (ABT) アルゴリズムを利用します。
問題の複雑さを軽減するために高速道路トポロジを離散化することから始まる、POMDP 定式化プロセスの概要を説明します。
さらに、将来の状態を予測し、利用可能なノイズの多い測定値と予測の間の関係を確立するために使用されるダイナミクスおよび測定モデルについて説明します。
以前の作業に基づいて、合流プロセス中の車線変更に必要な横方向の動きを考慮してダイナミクス モデルが拡張されました。
また、衝突の回避や適切な速度の維持などの複数の目標を組み合わせて、自動運転車両の望ましい動作を指定するための主要なメカニズムとして機能する報酬関数も定義します。
ドイツの高速道路からの実際の交通データに基づいて 3 つのシナリオで実行されたシミュレーション結果は、安全で衝突のない効率的な合流軌道を生成するこの方法の能力を実証しています。
この研究は、自動運転のさまざまな問題に取り組む際の、この POMDP ベースのアプローチの多用途性を示しています。

要約(オリジナル)

This paper addresses the trajectory planning problem for automated vehicle on-ramp highway merging. To tackle this challenge, we extend our previous work on trajectory planning at unsignalized intersections using Partially Observable Markov Decision Processes (POMDPs). The method utilizes the Adaptive Belief Tree (ABT) algorithm, an approximate sampling-based approach to solve POMDPs efficiently. We outline the POMDP formulation process, beginning with discretizing the highway topology to reduce problem complexity. Additionally, we describe the dynamics and measurement models used to predict future states and establish the relationship between available noisy measurements and predictions. Building on our previous work, the dynamics model is expanded to account for lateral movements necessary for lane changes during the merging process. We also define the reward function, which serves as the primary mechanism for specifying the desired behavior of the automated vehicle, combining multiple goals such as avoiding collisions or maintaining appropriate velocity. Our simulation results, conducted on three scenarios based on real-life traffic data from German highways, demonstrate the method’s ability to generate safe, collision-free, and efficient merging trajectories. This work shows the versatility of this POMDP-based approach in tackling various automated driving problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google