要約
私たちの研究では、サンプリングベースの軌道計画アルゴリズムを使用した自動運転車用のモジュール式動作計画フレームワークを導入しています。
このアプローチは、パス計画におけるソリューション空間の構築と最適化の課題に効果的に取り組みます。
このアルゴリズムは実際の車両とシミュレーションの両方に適用でき、複雑な自律ナビゲーションに堅牢なソリューションを提供します。
私たちの手法では、軌道の快適性、安全性、経路精度の最適化に重点を置き、静的および高度に動的な環境で効率的なナビゲーションを実現するための多目的最適化戦略を採用しています。
このアルゴリズムは、1750 の仮想の複雑な都市および高速道路シナリオにおけるアルゴリズムのパフォーマンスと成功率を分析するために使用されます。
私たちの結果は、高速な計算時間 (800 の軌道で 8 ミリ秒)、複雑なシナリオでの高い成功率 (88%)、および提示されたさまざまなモジュールへの容易な適応性を示しています。
最も顕著な違いは、さまざまな軌道カウントにわたる高速な軌道サンプリング、実現可能性チェック、およびコスト評価ステップでした。
テストトラックを使用してコントローラーからの偏差を評価することで、実際の車両でのフレームワークの統合と実行を実証します。
この評価では、アルゴリズムの堅牢性と信頼性が強調され、現実世界の自動運転シナリオの厳しい要件を確実に満たすことができます。
この研究で使用されたコードと追加モジュールはオープンソース ソフトウェアとして公開されており、リンク https://github.com/TUM-AVS/Frenetix-Motion-Planner からアクセスできます。
要約(オリジナル)
Our research introduces a modular motion planning framework for autonomous vehicles using a sampling-based trajectory planning algorithm. This approach effectively tackles the challenges of solution space construction and optimization in path planning. The algorithm is applicable to both real vehicles and simulations, offering a robust solution for complex autonomous navigation. Our method employs a multi-objective optimization strategy for efficient navigation in static and highly dynamic environments, focusing on optimizing trajectory comfort, safety, and path precision. The algorithm is used to analyze the algorithm performance and success rate in 1750 virtual complex urban and highway scenarios. Our results demonstrate fast calculation times (8ms for 800 trajectories), a high success rate in complex scenarios (88%), and easy adaptability with different modules presented. The most noticeable difference exhibited was the fast trajectory sampling, feasibility check, and cost evaluation step across various trajectory counts. We demonstrate the integration and execution of the framework on real vehicles by evaluating deviations from the controller using a test track. This evaluation highlights the algorithm’s robustness and reliability, ensuring it meets the stringent requirements of real-world autonomous driving scenarios. The code and the additional modules used in this research are publicly available as open-source software and can be accessed at the following link: https://github.com/TUM-AVS/Frenetix-Motion-Planner.
arxiv情報
| 著者 | Rainer Trauth,Korbinian Moller,Gerald Wuersching,Johannes Betz |
| 発行日 | 2024-06-14 10:16:09+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google