CoDriveVLM: VLM-Enhanced Urban Cooperative Dispatching and Motion Planning for Future Autonomous Mobility on Demand Systems

要約

柔軟で効率的な都市交通ソリューションへの需要の高まりにより、特に多様な乗客のニーズや動的な都市環境への対応において、従来のデマンド応答型交通 (DRT) システムの限界が浮き彫りになっています。
自律モビリティオンデマンド (AMoD) システムは、コネクテッド自動運転車 (CAV) を活用して応答性が高く適応性のあるサービスを提供する、有望な代替手段として浮上しています。
しかし、既存の方法は主に車両のスケジュール設定または経路計画のいずれかに焦点を当てており、多くの場合、複雑な都市レイアウトが単純化され、CAV 間の同時調整と相互回避の必要性が無視されています。
この過度の単純化は、現実世界のシナリオでの AMoD システムの展開に重大な課題をもたらします。
これらのギャップに対処するために、将来の AMoD システム向けに高忠実度の同時ディスパッチングと協調動作プランニングを統合する新しいフレームワークである CoDriveVLM を提案します。
私たちの手法は、視覚言語モデル (VLM) を利用してマルチモダリティ情報処理を強化し、これにより包括的なディスパッチングと衝突リスクの評価が可能になります。
VLM で強化された CAV ディスパッチング コーディネーターは、複雑で予期しない AMoD 条件を効果的に管理するために導入されており、効率的なスケジューリングの意思決定をサポートします。
さらに、衝突リスク評価と分散軌道最適化に焦点を当てた、乗算器のコンセンサス交互方向法(ADMM)によるスケーラブルな分散協調運動計画手法を提案します。
シミュレーション結果は、さまざまな交通状況における CoDriveVLM の実現可能性と堅牢性を実証し、将来の都市交通ネットワークにおける AMoD システムの忠実性と有効性を大幅に向上させる可能性を示しています。
コードは https://github.com/henryhcliu/CoDriveVLM.git で入手できます。

要約(オリジナル)

The increasing demand for flexible and efficient urban transportation solutions has spotlighted the limitations of traditional Demand Responsive Transport (DRT) systems, particularly in accommodating diverse passenger needs and dynamic urban environments. Autonomous Mobility-on-Demand (AMoD) systems have emerged as a promising alternative, leveraging connected and autonomous vehicles (CAVs) to provide responsive and adaptable services. However, existing methods primarily focus on either vehicle scheduling or path planning, which often simplify complex urban layouts and neglect the necessity for simultaneous coordination and mutual avoidance among CAVs. This oversimplification poses significant challenges to the deployment of AMoD systems in real-world scenarios. To address these gaps, we propose CoDriveVLM, a novel framework that integrates high-fidelity simultaneous dispatching and cooperative motion planning for future AMoD systems. Our method harnesses Vision-Language Models (VLMs) to enhance multi-modality information processing, and this enables comprehensive dispatching and collision risk evaluation. The VLM-enhanced CAV dispatching coordinator is introduced to effectively manage complex and unforeseen AMoD conditions, thus supporting efficient scheduling decision-making. Furthermore, we propose a scalable decentralized cooperative motion planning method via consensus alternating direction method of multipliers (ADMM) focusing on collision risk evaluation and decentralized trajectory optimization. Simulation results demonstrate the feasibility and robustness of CoDriveVLM in various traffic conditions, showcasing its potential to significantly improve the fidelity and effectiveness of AMoD systems in future urban transportation networks. The code is available at https://github.com/henryhcliu/CoDriveVLM.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google