Speed Optimization Algorithm based on Deterministic Markov Decision Process for Automated Highway Merge

要約

この研究では、自動化された高速道路マージの堅牢な最適化アルゴリズムを示しています。
マージシナリオは、エンドポイントに到達する前に他の車両に合わせてエゴ車両の速度を調整する必要があるため、自動運転の挑戦的なシーンの1つです。
次に、速度計画の問題を決定論的なマルコフ決定プロセスとしてモデル化します。
提案されたスキームは、プロセスの各状態値を計算し、アクションの最適なシーケンスを確実に導き出すことができます。
私たちのアプローチでは、加速の突然の変化を防ぐために、プロセスの作用としてジャークを採用します。
ただし、これにより状態空間が拡大されるため、リアルタイムの操作を実現する方法も検討します。
スキームを単純なアルゴリズムとインテリジェントドライバーモデルと比較しました。
シミュレーション環境でスキームを評価しただけでなく、現実世界のテストも実施しました。

要約(オリジナル)

This study presents a robust optimization algorithm for automated highway merge. The merging scenario is one of the challenging scenes in automated driving, because it requires adjusting ego vehicle’s speed to match other vehicles before reaching the end point. Then, we model the speed planning problem as a deterministic Markov decision process. The proposed scheme is able to compute each state value of the process and reliably derive the optimal sequence of actions. In our approach, we adopt jerk as the action of the process to prevent a sudden change of acceleration. However, since this expands the state space, we also consider ways to achieve a real-time operation. We compared our scheme with a simple algorithm with the Intelligent Driver Model. We not only evaluated the scheme in a simulation environment but also conduct a real world testing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google