Barrier-Enhanced Homotopic Parallel Trajectory Optimization for Safety-Critical Autonomous Driving

要約

自動運転車が高いタスクパフォ​​ーマンスを達成するには、過度に保守的な動作を防止しながら安全性を強化することが不可欠です。
この論文では、リアルタイムの統合された意思決定と計画のために、過緩和乗算器交互方向法 (ADMM) を使用したバリア強化ホモトピック平行軌道最適化 (BHPTO) アプローチを提案します。
自車両(EV)と周囲の車両との間の安全インタラクションを促進するために、バリア機能に基づいて両凸性を示す時空間安全モジュールが開発されています。
周囲の HV の動作の不確実性を考慮し、保守的な動作を軽減するために、計画期間内のさまざまなタイム ステップに対してさまざまなバリア係数が採用されます。
さらに、運転操作の離散特性を利用して、到達可能性分析に基づいて名目上の動作指向の自由端ホモトピック軌道を初期化します。各軌道は、同じタスク目標を共有しながら、特定の運転操作に局所的に制約されます。
安全モジュールの両凸性と EV の運動学を利用して、BHPTO を両凸最適化問題として定式化します。
次に、制約転写と過緩和 ADMM を使用して最適化プロセスを合理化し、実現可能性を保証しながら複数の軌道がリアルタイムで生成されるようにします。
一連の実験を通じて、提案された開発は、合成および現実世界の交通データセットを使用したさまざまな交通シナリオにおけるタスクの精度、安定性、一貫性の向上を実証します。

要約(オリジナル)

Enforcing safety while preventing overly conservative behaviors is essential for autonomous vehicles to achieve high task performance. In this paper, we propose a barrier-enhanced homotopic parallel trajectory optimization (BHPTO) approach with over-relaxed alternating direction method of multipliers (ADMM) for real-time integrated decision-making and planning. To facilitate safety interactions between the ego vehicle (EV) and surrounding vehicles, a spatiotemporal safety module exhibiting bi-convexity is developed on the basis of barrier function. Varying barrier coefficients are adopted for different time steps in a planning horizon to account for the motion uncertainties of surrounding HVs and mitigate conservative behaviors. Additionally, we exploit the discrete characteristics of driving maneuvers to initialize nominal behavior-oriented free-end homotopic trajectories based on reachability analysis, and each trajectory is locally constrained to a specific driving maneuver while sharing the same task objectives. By leveraging the bi-convexity of the safety module and the kinematics of the EV, we formulate the BHPTO as a bi-convex optimization problem. Then constraint transcription and over-relaxed ADMM are employed to streamline the optimization process, such that multiple trajectories are generated in real time with feasibility guarantees. Through a series of experiments, the proposed development demonstrates improved task accuracy, stability, and consistency in various traffic scenarios using synthetic and real-world traffic datasets.

arxiv情報

著者 Lei Zheng,Rui Yang,Michael Yu Wang,Jun Ma
発行日 2024-02-26 10:55:33+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク