Reachable Sets-based Trajectory Planning Combining Reinforcement Learning and iLQR

要約

運転リスクフィールドは、より複雑な運転シナリオに適用され、複雑な環境での安全性の意思決定とアクティブな車両制御のための新しいアプローチを提供します。
ただし、既存の研究では、運転リスクの分野を見落としていることが多く、運転可能な領域内のリスク分布の影響を軌道計画に及ぼす影響を考慮していません。これは、安全性を高めるための課題をもたらします。
このペーパーでは、軌道計画の安全性をさらに向上させるためのリスクに到達可能なセットに基づいて、インテリジェント車の軌跡計画方法を提案します。
まず、運転リスクフィールドを組み込んだ到達可能なセットを構築して、運転可能な領域での潜在的なリスクをより正確に評価および回避します。
次に、最初の軌道は安全な補強学習に基づいて生成され、到達可能なセットに投影されます。
最後に、制約された反復的な二次レギュレーターに基づいて軌道計画方法を導入して、初期ソリューションを最適化し、計画された軌道が最適な快適性、安全性、効率を達成するようにします。
高速車線を変えるシナリオで軌道計画のシミュレーションテストを実施します。
結果は、提案された方法が軌道の快適さと駆動効率を保証できることを示しています。これは、生成された軌道が高リスクの境界の外側に位置し、それによって動作中の車両の安全性を確保することを示しています。

要約(オリジナル)

The driving risk field is applicable to more complex driving scenarios, providing new approaches for safety decision-making and active vehicle control in intricate environments. However, existing research often overlooks the driving risk field and fails to consider the impact of risk distribution within drivable areas on trajectory planning, which poses challenges for enhancing safety. This paper proposes a trajectory planning method for intelligent vehicles based on the risk reachable set to further improve the safety of trajectory planning. First, we construct the reachable set incorporating the driving risk field to more accurately assess and avoid potential risks in drivable areas. Then, the initial trajectory is generated based on safe reinforcement learning and projected onto the reachable set. Finally, we introduce a trajectory planning method based on a constrained iterative quadratic regulator to optimize the initial solution, ensuring that the planned trajectory achieves optimal comfort, safety, and efficiency. We conduct simulation tests of trajectory planning in high-speed lane-changing scenarios. The results indicate that the proposed method can guarantee trajectory comfort and driving efficiency, with the generated trajectory situated outside high-risk boundaries, thereby ensuring vehicle safety during operation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google