Towards A General-Purpose Motion Planning for Autonomous Vehicles Using Fluid Dynamics

要約

自動運転車用の汎用動作プランナーは、多様な運用設計領域 (ODD) におけるさまざまな自動運転機能 (ADF) の動作計画 (戦術的意思決定や軌道生成を含む) のタスクを処理することを約束します。
汎用モーション プランナーを設計する際の課題は、いくつかの要因から生じます。a) 各運転シーンで異なるセマンティック情報を持つ多数のシナリオに対処する必要がある、b) 長期的な意思決定と短期的な軌道の間の強い結合
c) 車両ダイナミクスの非ホロノミック制約を考慮する必要があり、d) モーション プランナーはリアルタイムで実行するために計算効率が高くなければなりません。
文献に記載されている既存の方法は、特定のシナリオに限定されているか (ロジックベース)、データ駆動型 (学習ベース) であるため、セーフティクリティカルな自動運転システム (ADS) にとって重要な説明可能性に欠けています。
この論文では、流体力学の理論にヒントを得た、ADS 用の新しい汎用動作計画ソリューションを提案します。
次に、計算効率の高い手法、つまり格子ボルツマン法を採用して時空間ベクトル場を生成し、自車両の非ホロノミック動的モデルに従って、実行可能な候補軌道を生成するために使用されます。
乗り心地、効率、安全性を最適化する軌道が最終的に選択され、スロットル/ブレーキやステアリング角度などの差し迫った制御信号が計算されます。
提案されたアプローチのパフォーマンスは、高速道路の走行、ランプでの合流、交差点横断のシナリオにおけるシミュレーションによって評価され、モデル予測制御 (MPC) に基づく従来の動作計画ソリューションよりも優れていることがわかりました。

要約(オリジナル)

General-purpose motion planners for automated/autonomous vehicles promise to handle the task of motion planning (including tactical decision-making and trajectory generation) for various automated driving functions (ADF) in a diverse range of operational design domains (ODDs). The challenges of designing a general-purpose motion planner arise from several factors: a) A plethora of scenarios with different semantic information in each driving scene should be addressed, b) a strong coupling between long-term decision-making and short-term trajectory generation shall be taken into account, c) the nonholonomic constraints of the vehicle dynamics must be considered, and d) the motion planner must be computationally efficient to run in real-time. The existing methods in the literature are either limited to specific scenarios (logic-based) or are data-driven (learning-based) and therefore lack explainability, which is important for safety-critical automated driving systems (ADS). This paper proposes a novel general-purpose motion planning solution for ADS inspired by the theory of fluid mechanics. A computationally efficient technique, i.e., the lattice Boltzmann method, is then adopted to generate a spatiotemporal vector field, which in accordance with the nonholonomic dynamic model of the Ego vehicle is employed to generate feasible candidate trajectories. The trajectory optimising ride quality, efficiency and safety is finally selected to calculate the imminent control signals, i.e., throttle/brake and steering angle. The performance of the proposed approach is evaluated by simulations in highway driving, on-ramp merging, and intersection crossing scenarios, and it is found to outperform traditional motion planning solutions based on model predictive control (MPC).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google