REACT: Runtime-Enabled Active Collision-avoidance Technique for Autonomous Driving

要約

動的なインタラクティブトラフィックにおける迅速かつ効果的な積極的な衝突回避を達成することは、自律運転の中心的な課題のままです。
このペーパーでは、リスク評価をアクティブな回避制御と統合する閉ループフレームワークであるReact（ランタイム対応アクティブ衝突回避技術）を提案します。
エネルギー移動原則と人間車両の道路相互作用モデリングを活用することにより、反応はランタイムリスクを動的に定量化し、連続空間リスクフィールドを構築します。
このシステムには、高リスクゾーンを識別し、実行可能で解釈可能な回避行動を生成するために、方向リスクやトラフィックルールなどの物理的に接地された安全性の制約が組み込まれています。
階層的な警告トリガー戦略と軽量システム設計により、リアルタイムの応答性を確保しながら、ランタイム効率が向上します。
車によるブレーキ、カットイン、リアアプローチ、交差競合など、4つの代表的な高リスクシナリオにまたがる評価は、Reactの能力を実証し、重要なリスクを正確に特定し、積極的な回避を実行します。
そのリスク推定は、人間のドライバー認知（つまり、警告リードタイム<0.4秒）と密接に一致し、誤報または見逃した検出で100％の安全な回避を達成します。 さらに、優れたリアルタイムパフォーマンス（<50ミリ秒）、強力な先見性、および一般化を示します。 軽量アーキテクチャは、最先端の精度を達成し、安全性が批判的な自律システムにおけるリアルタイムの展開の可能性を強調しています。

要約(オリジナル)

Achieving rapid and effective active collision avoidance in dynamic interactive traffic remains a core challenge for autonomous driving. This paper proposes REACT (Runtime-Enabled Active Collision-avoidance Technique), a closed-loop framework that integrates risk assessment with active avoidance control. By leveraging energy transfer principles and human-vehicle-road interaction modeling, REACT dynamically quantifies runtime risk and constructs a continuous spatial risk field. The system incorporates physically grounded safety constraints such as directional risk and traffic rules to identify high-risk zones and generate feasible, interpretable avoidance behaviors. A hierarchical warning trigger strategy and lightweight system design enhance runtime efficiency while ensuring real-time responsiveness. Evaluations across four representative high-risk scenarios including car-following braking, cut-in, rear-approaching, and intersection conflict demonstrate REACT’s capability to accurately identify critical risks and execute proactive avoidance. Its risk estimation aligns closely with human driver cognition (i.e., warning lead time < 0.4 s), achieving 100% safe avoidance with zero false alarms or missed detections. Furthermore, it exhibits superior real-time performance (< 50 ms latency), strong foresight, and generalization. The lightweight architecture achieves state-of-the-art accuracy, highlighting its potential for real-time deployment in safety-critical autonomous systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google