An accurate and efficient approach to probabilistic conflict prediction

要約

衝突予測は、自動運転車の経路計画の重要な要素です。
予測方法は、信頼性の高いナビゲーションのために正確である必要がありますが、オンライン パス プランニングを可能にする計算効率も高くなければなりません。
大規模な一連の候補軌道をテストする場合、効率的な予測方法は特に重要です。
既存の方法と同じ精度で、最大 1 桁高速な予測方法を提示します。
これは、次元削減変換を使用して、最初の通過時間分布に関して競合予測問題を書き直すことによって達成されます。
初回通過時間分布は、車両の動きを記述するガウス過程のサブセットに対して解析的に導出されます。
提案された方法は、平均を線分で近似でき、競合境界を区分的直線で近似できる 2 次元確率過程に適用できます。
提案された方法は、シミュレーションでテストされ、2 つの確率フロー方法、および最近の瞬間競合確率方法と比較されました。
結果は、計算時間が大幅に短縮されたことを示しています。

要約(オリジナル)

Conflict prediction is a vital component of path planning for autonomous vehicles. Prediction methods must be accurate for reliable navigation, but also computationally efficient to enable online path planning. Efficient prediction methods are especially crucial when testing large sets of candidate trajectories. We present a prediction method that has the same accuracy as existing methods, but up to an order of magnitude faster. This is achieved by rewriting the conflict prediction problem in terms of the first-passage time distribution using a dimension-reduction transform. First-passage time distributions are analytically derived for a subset of Gaussian processes describing vehicle motion. The proposed method is applicable to 2-D stochastic processes where the mean can be approximated by line segments, and the conflict boundary can be approximated by piece-wise straight lines. The proposed method was tested in simulation and compared to two probability flow methods, as well as a recent instantaneous conflict probability method. The results demonstrate a significant decrease of computation time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google