Shared Information-Based Safe And Efficient Behavior Planning For Connected Autonomous Vehicles

要約

ワイヤレス技術の最近の進歩により、コネクテッド自律走行車 (CAV) は、車両間 (V2V) 通信を介して、処理された LIDAR や他の車両からのカメラ データなどのデータを収集できます。
この作業では、CAV の統合された情報共有と安全なマルチエージェント強化学習 (MARL) フレームワークを設計し、トラフィックの効率と安全性を向上させる意思決定を行う際に追加情報を利用します。
最初に、ウェイト プルーニングされた畳み込みニューラル ネットワーク (CNN) を使用して生の画像とポイント クラウド LIDAR データを各自動運転車でローカルに処理し、CNN 出力データを近隣の CAV と共有します。
次に、車両のローカル観測と V2V 通信を介して受信した情報の両方を利用して、安全性が保証された効率的な行動計画ポリシーを調査する安全なアクター クリティック アルゴリズムを設計します。
実験に CARLA シミュレーターを使用して、さまざまな CAV 比率とさまざまな交通密度の下で平均速度と快適さの点で、私たちのアプローチが CAV システムの効率を改善することを示します。
また、私たちのアプローチが危険な行動の実行を回避し、他の車両との安全な距離を常に維持していることも示しています。
共有ビジョンがCAVが障害物を早期に観察し、交通渋滞を回避するための行動を起こすのに役立つことを示すために、角の障害物のシナリオを構築します。

要約(オリジナル)

The recent advancements in wireless technology enable connected autonomous vehicles (CAVs) to gather data via vehicle-to-vehicle (V2V) communication, such as processed LIDAR and camera data from other vehicles. In this work, we design an integrated information sharing and safe multi-agent reinforcement learning (MARL) framework for CAVs, to take advantage of the extra information when making decisions to improve traffic efficiency and safety. We first use weight pruned convolutional neural networks (CNN) to process the raw image and point cloud LIDAR data locally at each autonomous vehicle, and share CNN-output data with neighboring CAVs. We then design a safe actor-critic algorithm that utilizes both a vehicle’s local observation and the information received via V2V communication to explore an efficient behavior planning policy with safety guarantees. Using the CARLA simulator for experiments, we show that our approach improves the CAV system’s efficiency in terms of average velocity and comfort under different CAV ratios and different traffic densities. We also show that our approach avoids the execution of unsafe actions and always maintains a safe distance from other vehicles. We construct an obstacle-at-corner scenario to show that the shared vision can help CAVs to observe obstacles earlier and take action to avoid traffic jams.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google