Interaction-Aware Trajectory Prediction and Planning in Dense Highway Traffic using Distributed Model Predictive Control

要約

この論文では、車両が互いに密接に相互作用する密集した交通環境で動作する自動運転車両 (AV) の最適な軌道計画を扱います。
この問題に取り組むために、分散モデル予測制御を使用して、マルチエージェント環境での軌道予測と計画を結合する新しいフレームワークを提案します。
私たちのフレームワークのデモンストレーションは、非線形モデル予測制御を使用する軌道プランナーを使用したシミュレーションで示されます。
さまざまな予測誤差を考慮して、フレームワークのパフォーマンスと収束を分析します。
結果は、得られた局所最適解が、分離された予測と計画と比較して改善されていることを示しています。

要約(オリジナル)

In this paper we treat optimal trajectory planning for an autonomous vehicle (AV) operating in dense traffic, where vehicles closely interact with each other. To tackle this problem, we present a novel framework that couples trajectory prediction and planning in multi-agent environments, using distributed model predictive control. A demonstration of our framework is presented in simulation, employing a trajectory planner using non-linear model predictive control. We analyze performance and convergence of our framework, subject to different prediction errors. The results indicate that the obtained locally optimal solutions are improved, compared with decoupled prediction and planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google