Trajectory Planning for Automated Driving using Target Funnels

要約

自動運転車は感覚入力に依存して周囲を監視し、最も可能性の高い将来の道路コースに継続的に適応します。
予測軌道計画は、重要な入力として（不確実な）道路コースのスナップショットに基づいています。
ノイズの多い知覚データでは、道路コースの推定値は大きく異なり、優柔不断で不安定なステアリング行動につながります。
この問題を克服するために、このペーパーでは、新しい客観的関数を備えた予測軌跡計画アルゴリズムを紹介します。最も可能性の高い道路コースに基づいて単一の参照軌跡をターゲットにする代わりに、ターゲットファンネルと呼ばれる一連のターゲット参照セットを追跡することを考慮します。
提案された計画アルゴリズムは、道路コースに関する確率的情報を統合し、したがって、道路認識の定期的な更新を暗黙的に考慮します。
私たちのソリューションは、プロトタイプ車両から収集された実際の駆動データを使用して、ケーススタディで評価されます。
結果は、アルゴリズムが追跡精度を維持し、騒々しい道路知覚の存在下で望ましくないステアリングコマンドを大幅に削減し、確実性の同等の定式化と比較して56％の投入コストを削減することを示しています。

要約(オリジナル)

Self-driving vehicles rely on sensory input to monitor their surroundings and continuously adapt to the most likely future road course. Predictive trajectory planning is based on snapshots of the (uncertain) road course as a key input. Under noisy perception data, estimates of the road course can vary significantly, leading to indecisive and erratic steering behavior. To overcome this issue, this paper introduces a predictive trajectory planning algorithm with a novel objective function: instead of targeting a single reference trajectory based on the most likely road course, tracking a series of target reference sets, called a target funnel, is considered. The proposed planning algorithm integrates probabilistic information about the road course, and thus implicitly considers regular updates to road perception. Our solution is assessed in a case study using real driving data collected from a prototype vehicle. The results demonstrate that the algorithm maintains tracking accuracy and substantially reduces undesirable steering commands in the presence of noisy road perception, achieving a 56% reduction in input costs compared to a certainty equivalent formulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google