Monte-Carlo Tree Search for Behavior Planning in Autonomous Driving

要約

自動運転車を都市環境や高速道路環境に統合するには、堅牢で適応性のある行動計画システムの開発が必要です。
この研究では、自動運転行動計画にモンテカルロ ツリー検索 (MCTS) ベースのアルゴリズムを利用することで、この課題に対処する革新的なアプローチを紹介します。
主な目的は、MCTS に固有の探索と活用のバランスを活用して、複雑なシナリオにおけるインテリジェントな運転決定を容易にすることです。
自動運転特有の要求に合わせた MCTS ベースのアルゴリズムを導入します。
これには、安全性、快適性、通行可能性の指標を含む慎重に作成されたコスト関数を MCTS フレームワークに統合することが含まれます。
私たちのアプローチの有効性は、交通渋滞下であっても自動運転車が交差点、保護されていない左折、割り込み、ランプなどの複雑なシナリオをリアルタイムでナビゲートできるようにすることで実証されています。
定性的な例では、車線変更、加速、減速などのさまざまな運転決定を MCTS フレームワークに統合する方法を示します。
さらに、反復時間と先読みステップが意思決定の品質とリアルタイムの適用可能性に及ぼす影響を調べることで得られた定量的な結果は、私たちのアプローチの堅牢性を実証しています。
この堅牢性は、さまざまなシナリオにわたる MCTS アルゴリズムの高い成功率によってさらに強調されます。

要約(オリジナル)

The integration of autonomous vehicles into urban and highway environments necessitates the development of robust and adaptable behavior planning systems. This study presents an innovative approach to address this challenge by utilizing a Monte-Carlo Tree Search (MCTS) based algorithm for autonomous driving behavior planning. The core objective is to leverage the balance between exploration and exploitation inherent in MCTS to facilitate intelligent driving decisions in complex scenarios. We introduce an MCTS-based algorithm tailored to the specific demands of autonomous driving. This involves the integration of carefully crafted cost functions, encompassing safety, comfort, and passability metrics, into the MCTS framework. The effectiveness of our approach is demonstrated by enabling autonomous vehicles to navigate intricate scenarios, such as intersections, unprotected left turns, cut-ins, and ramps, even under traffic congestion, in real-time. Qualitative instances illustrate the integration of diverse driving decisions, such as lane changes, acceleration, and deceleration, into the MCTS framework. Moreover, quantitative results, derived from examining the impact of iteration time and look-ahead steps on decision quality and real-time applicability, substantiate the robustness of our approach. This robustness is further underscored by the high success rate of the MCTS algorithm across various scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google