From Shadows to Safety: Occlusion Tracking and Risk Mitigation for Urban Autonomous Driving

要約

自律車両（AVS）は、閉塞と知覚の制限が重要な不確実性をもたらす動的な都市環境をナビゲートする必要があります。
この研究は、これらの課題に対処するために、リスク認識のモーション計画と閉塞追跡に既存のアプローチに基づいて拡張されています。
以前の研究では、閉塞追跡とリスク評価のための個々の方法が開発されていますが、これらの手法を統合する包括的な方法は完全には検討されていません。
したがって、閉塞された領域を追跡し、潜在的な危険を予測するための連続的な推論を組み込むことにより、ファントムエージェント中心のモデルを強化します。
私たちのモデルは、それぞれが異なる動作プロファイルを持つ多様なファントムエージェントをモデル化することにより、現実的なシナリオ表現とコンテキスト対応リスク評価を可能にします。
シミュレーションは、提案されたアプローチが状況認識を改善し、積極的な安全性と効率的な交通流のバランスをとることを示しています。
これらの結果は当社の方法の可能性を強調していますが、その実現可能性と一般化可能性を確認するために、実際のシナリオでの検証が必要です。
確立された方法論を活用し、進歩することにより、この作業は、複雑な都市環境でより安全で信頼性の高いAV計画に貢献します。
さらなる研究をサポートするために、私たちの方法は、https：//github.com/tum-avs/occlusuisawaremotionplanningでオープンソースソフトウェアとして入手できます。

要約(オリジナル)

Autonomous vehicles (AVs) must navigate dynamic urban environments where occlusions and perception limitations introduce significant uncertainties. This research builds upon and extends existing approaches in risk-aware motion planning and occlusion tracking to address these challenges. While prior studies have developed individual methods for occlusion tracking and risk assessment, a comprehensive method integrating these techniques has not been fully explored. We, therefore, enhance a phantom agent-centric model by incorporating sequential reasoning to track occluded areas and predict potential hazards. Our model enables realistic scenario representation and context-aware risk evaluation by modeling diverse phantom agents, each with distinct behavior profiles. Simulations demonstrate that the proposed approach improves situational awareness and balances proactive safety with efficient traffic flow. While these results underline the potential of our method, validation in real-world scenarios is necessary to confirm its feasibility and generalizability. By utilizing and advancing established methodologies, this work contributes to safer and more reliable AV planning in complex urban environments. To support further research, our method is available as open-source software at: https://github.com/TUM-AVS/OcclusionAwareMotionPlanning

arxiv情報

提供元, 利用サービス

arxiv.jp, Google