Scene Modeling of Autonomous Vehicles Avoiding Stationary and Moving Vehicles on Narrow Roads

要約

狭い道路を対向車と行き来することは大きな課題であり、大きな社会的関心を集めています。
これらのシナリオには、静止車両の存在または道路幅の制限により、2 台の移動車両を同時に収容できないセクションが含まれることがよくあります。
したがって、自動運転車は周囲を深く理解し、通行可能なエリアを特定し、高度な操作を実行する必要があります。
この問題に対処するために、このペーパーでは、このような複雑なシナリオの包括的なモデルを示します。
主な貢献は、道路幅占有最小化の原則です。これは、狭い道路の問題をモデル化し、候補となる会合のギャップを特定します。
さらに、候補軌道の初期化と最適化を支援するために相同性クラスの概念が導入され、最適なギャップと最も効率的な軌道を選択するための評価戦略が開発されます。
定性的および定量的シミュレーションにより、提案されたアプローチである SM-NR が高いシーン通過率、効率的な動き、および堅牢な決定を達成することが実証されました。
小さなギャップシナリオと衝突シナリオで行われた実験では、自動運転車が、効率性を求めて勇敢に前進しながら、安全性のために柔軟に妥協しながら、合流するギャップや軌道を確実に選択できることが明らかになりました。

要約(オリジナル)

Navigating narrow roads with oncoming vehicles is a significant challenge that has garnered considerable public interest. These scenarios often involve sections that cannot accommodate two moving vehicles simultaneously due to the presence of stationary vehicles or limited road width. Autonomous vehicles must therefore profoundly comprehend their surroundings to identify passable areas and execute sophisticated maneuvers. To address this issue, this paper presents a comprehensive model for such an intricate scenario. The primary contribution is the principle of road width occupancy minimization, which models the narrow road problem and identifies candidate meeting gaps. Additionally, the concept of homology classes is introduced to help initialize and optimize candidate trajectories, while evaluation strategies are developed to select the optimal gap and most efficient trajectory. Qualitative and quantitative simulations demonstrate that the proposed approach, SM-NR, achieves high scene pass rates, efficient movement, and robust decisions. Experiments conducted in tiny gap scenarios and conflict scenarios reveal that the autonomous vehicle can robustly select meeting gaps and trajectories, compromising flexibly for safety while advancing bravely for efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google