要約
インテリジェント ビークル (IV) は、利便性の向上、安全性の利点、および潜在的な商業的価値のおかげで、幅広い注目を集めています。
自動運転のユニコーンの中には、IV が 2025 年までに商用展開可能になると主張するものもありますが、安全性、信頼性、および計画手法の一般化が大きな懸念事項であるなど、さまざまな問題により、その展開は依然として小規模な検証に限定されています。
計画方法による制御コマンドまたは軌道の正確な計算は、複雑な環境下での知覚の不完全性により、IV の商業化の成功に障害をもたらすため、IV の前提条件のままです。
このホワイト ペーパーでは、パイプライン計画やエンド ツー エンドの計画方法など、最先端の計画方法を概説することを目的としています。
パイプライン手法に関しては、拡張および最適化メカニズムの説明とともにアルゴリズムの選択に関する調査が提供されますが、エンド ツー エンド手法では、トレーニング アプローチと運転タスクの検証シナリオが重要なポイントになります。
適切なトレーニングおよび検証方法を選択する際に読者を容易にするために、実験プラットフォームがレビューされます。
最後に、現在の課題と今後の方向性について説明します。
この調査で提示された比較は、レビューされた方法の長所と制限についての洞察を得るのに役立ち、システムレベルの設計の選択にも役立ちます。
要約(オリジナル)
Intelligent vehicles (IVs) have attracted wide attention thanks to the augmented convenience, safety advantages, and potential commercial value. Although a few of autonomous driving unicorns assert that IVs will be commercially deployable by 2025, their deployment is still restricted to small-scale validation due to various issues, among which safety, reliability, and generalization of planning methods are prominent concerns. Precise computation of control commands or trajectories by planning methods remains a prerequisite for IVs, owing to perceptual imperfections under complex environments, which pose an obstacle to the successful commercialization of IVs. This paper aims to review state-of-the-art planning methods, including pipeline planning and end-to-end planning methods. In terms of pipeline methods, a survey of selecting algorithms is provided along with a discussion of the expansion and optimization mechanisms, whereas in end-to-end methods, the training approaches and verification scenarios of driving tasks are points of concern. Experimental platforms are reviewed to facilitate readers in selecting suitable training and validation methods. Finally, the current challenges and future directions are discussed. The side-by-side comparison presented in this survey helps to gain insights into the strengths and limitations of the reviewed methods, which also assists with system-level design choices.
arxiv情報
| 著者 | Siyu Teng,Peng Deng,Yuchen Li,Bai Li,Xuemin Hu,Zhe Xuanyuan,Long Chen,Yunfeng Ai,Lingxi Li,Fei-Yue Wang |
| 発行日 | 2023-03-17 08:05:42+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google