A Survey on Hybrid Motion Planning Methods for Automated Driving Systems

要約

動作計画は自動運転車のモジュール式アーキテクチャの重要な要素であり、上流の認識モジュールと下流の低レベル制御信号の間の橋渡しとして機能します。
従来のモーション プランナーは当初、特定の自動運転機能 (ADF) 向けに設計されていましたが、高度自動運転システム (ADS) の進化に伴い、予期せぬものを含む幅広い ADF のモーションが必要になります。
このニーズにより、文献では「ハイブリッド」アプローチの開発が動機付けられ、データ駆動型 (学習ベース) とロジック駆動型 (分析) の方法論など、さまざまな技術を組み合わせることによって動作計画のパフォーマンスを向上させようとしています。
最近の研究努力は、戦術的意思決定 (TDM) と軌道生成 (TG) のためのより効率的で正確かつ安全なハイブリッド手法の開発に大きく貢献し、これらのアルゴリズムを動作計画モジュールに統合しました。
ハイブリッド手法には幅広い多様性と可能性があるため、この調査記事では最新の文献をタイムリーかつ包括的にレビューします。
ハイブリッド モーション プランナーは、サンプリング ベースと最適化ベース/学習ベースのモーション プランナーの組み合わせなど、組み込まれているコンポーネントの種類に基づいて分類されます。
さまざまなクラスの比較は、対処されている課題と制限を評価し、TG と TDM のどちらに重点を置いているかを評価することによって行われます。
このアプローチにより、この分野の研究者がハイブリッド動作計画の現在の傾向を特定するための深い洞察を得ることができ、将来の研究に有望な分野に光を当てることができることを願っています。

要約(オリジナル)

Motion planning is an essential element of the modular architecture of autonomous vehicles, serving as a bridge between upstream perception modules and downstream low-level control signals. Traditional motion planners were initially designed for specific Automated Driving Functions (ADFs), yet the evolving landscape of highly automated driving systems (ADS) requires motion for a wide range of ADFs, including unforeseen ones. This need has motivated the development of the “hybrid’ approach in the literature, seeking to enhance motion planning performance by combining diverse techniques, such as data-driven (learning-based) and logic-driven (analytic) methodologies. Recent research endeavours have significantly contributed to the development of more efficient, accurate, and safe hybrid methods for Tactical Decision Making (TDM) and Trajectory Generation (TG), as well as integrating these algorithms into the motion planning module. Owing to the extensive variety and potential of hybrid methods, a timely and comprehensive review of the current literature is undertaken in this survey article. We classify the hybrid motion planners based on the types of components they incorporate, such as combinations of sampling-based with optimization-based/learning-based motion planners. The comparison of different classes is conducted by evaluating the addressed challenges and limitations, as well as assessing whether they focus on TG and/or TDM. We hope this approach will enable the researchers in this field to gain in-depth insights into the identification of current trends in hybrid motion planning and shed light on promising areas for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google