Occlusion-aware Risk Assessment and Driving Strategy for Autonomous Vehicles Using Simplified Reachability Quantification

要約

自律走行車には未解決の課題がいくつかある。そのひとつが、歩行者や車両が隠れている中を安全にナビゲートすることである。先行研究の多くは、ファントム・カーを生成し、そのリスクを評価することでこの問題を解決しようとしている。本論文では、このような先行研究に触発され、簡易到達可能性定量化を用いてファントム歩行者・車両のリスクを効率的に評価するアルゴリズムを提案する。このオクルージョンリスクを利用して、自律走行車の速度プロファイルを計画する際に、リスクのある位置に速度制限を設定する。これにより、自律走行車両はオクルージョン領域を安全かつ効率的に走行することができる。提案アルゴリズムをCARLAシミュレータの様々なシナリオで評価した結果、平均衝突率は6.14倍、不快スコアは5.03倍減少し、トラバーサル時間はベースライン1と比較して1.48倍増加し、計算時間はベースライン2と比較して20.15倍減少した。

要約(オリジナル)

There are several unresolved challenges for autonomous vehicles. One of them is safely navigating among occluded pedestrians and vehicles. Much of the previous work tried to solve this problem by generating phantom cars and assessing their risk. In this paper, motivated by the previous works, we propose an algorithm that efficiently assesses risks of phantom pedestrians/vehicles using Simplified Reachability Quantification. We utilized this occlusion risk to set a speed limit at the risky position when planning the velocity profile of an autonomous vehicle. This allows an autonomous vehicle to safely and efficiently drive in occluded areas. The proposed algorithm was evaluated in various scenarios in the CARLA simulator and it reduced the average collision rate by 6.14X, the discomfort score by 5.03X, while traversal time was increased by 1.48X compared to baseline 1, and computation time was reduced by 20.15X compared to baseline 2.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL