An Online Spatial-Temporal Graph Trajectory Planner for Autonomous Vehicles

要約

自動運転産業は今後 10 年で 20 倍以上に成長すると予想されており、研究者が自動運転産業を深く掘り下げる動機となっています。
彼らの研究の主な焦点は、安全性、快適性、効率性を確保することです。
自動運転車には、前述の項目の 1 つ以上を担当する複数のモジュールがあります。
これらのモジュールの中で、軌道プランナーは車両の安全性と乗客の快適性において極めて重要な役割を果たします。
このモジュールは、運動学的制約および該当する道路制約を尊重する責任もあります。
この論文では、安全で快適な軌道を生成するための新しいオンライン時空間グラフ軌道プランナーを紹介します。
まず、自動運転車両とその周囲の車両、および車両自体を基準とした道路沿いの仮想ノードを使用して、時空間グラフを構築します。
次に、グラフが順次ネットワークに転送されて、目的の状態が取得されます。
プランナーをサポートするために、プランナーの運動学的制約を決定する単純な動作レイヤーも表示されます。
さらに、ネットワークをトレーニングするための新しいポテンシャル関数も提案されています。
最後に、提案されたプランナーを 3 つの異なる複雑な運転タスクでテストし、頻繁に使用される 2 つの方法とパフォーマンスを比較します。
結果は、提案されたプランナーが安全で実行可能な軌道を生成しながら、前方向への同様またはより長い距離と同等の快適な乗り心地を達成することを示しています。

要約(オリジナル)

The autonomous driving industry is expected to grow by over 20 times in the coming decade and, thus, motivate researchers to delve into it. The primary focus of their research is to ensure safety, comfort, and efficiency. An autonomous vehicle has several modules responsible for one or more of the aforementioned items. Among these modules, the trajectory planner plays a pivotal role in the safety of the vehicle and the comfort of its passengers. The module is also responsible for respecting kinematic constraints and any applicable road constraints. In this paper, a novel online spatial-temporal graph trajectory planner is introduced to generate safe and comfortable trajectories. First, a spatial-temporal graph is constructed using the autonomous vehicle, its surrounding vehicles, and virtual nodes along the road with respect to the vehicle itself. Next, the graph is forwarded into a sequential network to obtain the desired states. To support the planner, a simple behavioral layer is also presented that determines kinematic constraints for the planner. Furthermore, a novel potential function is also proposed to train the network. Finally, the proposed planner is tested on three different complex driving tasks, and the performance is compared with two frequently used methods. The results show that the proposed planner generates safe and feasible trajectories while achieving similar or longer distances in the forward direction and comparable comfort ride.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google