A Generalized Control Revision Method for Autonomous Driving Safety

要約

安全性は、自動運転車の最も重要な課題の1つであり、安全性を保証するためのソリューションの1つは、計画バックボーン後に追加の制御リビジョンモジュールを使用することです。
制御バリア関数（CBF）は、安全性に関する数学的基盤が強いため、広く使用されています。
ただし、不均一な知覚データとの非互換性と、トラフィックシーン要素の不完全な考慮により、既存のシステムを動的で複雑な現実世界のシナリオに適用するのが難しくなります。
この研究では、自動運転の安全性のための一般化された制御修正方法を導入します。これは、ベクトル化された知覚と占有グリッドマップの両方を入力として採用し、新しい提案されたバリア機能に基づいて複数のタイプのトラフィックシーンの制約を包括的にモデル化します。
トラフィック要素は、特定のシナリオ設定またはルールから切り離された1つの統一されたフレームワークに統合されます。
カーラ、SUMO、およびオンサイトシミュレーターの実験は、提案されたアルゴリズムが複雑なシーンで安全な制御修正を実現し、さまざまな計画バックボーン、道路トポロジ、リスクタイプに適応できることを証明しています。
物理プラットフォームの検証は、実際のアプリケーションの実現可能性も検証します。

要約(オリジナル)

Safety is one of the most crucial challenges of autonomous driving vehicles, and one solution to guarantee safety is to employ an additional control revision module after the planning backbone. Control Barrier Function (CBF) has been widely used because of its strong mathematical foundation on safety. However, the incompatibility with heterogeneous perception data and incomplete consideration of traffic scene elements make existing systems hard to be applied in dynamic and complex real-world scenarios. In this study, we introduce a generalized control revision method for autonomous driving safety, which adopts both vectorized perception and occupancy grid map as inputs and comprehensively models multiple types of traffic scene constraints based on a new proposed barrier function. Traffic elements are integrated into one unified framework, decoupled from specific scenario settings or rules. Experiments on CARLA, SUMO, and OnSite simulator prove that the proposed algorithm could realize safe control revision under complicated scenes, adapting to various planning backbones, road topologies, and risk types. Physical platform validation also verifies the real-world application feasibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google