不確実な環境で自動運転を実現するにはどうすればよいでしょうか?

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転載したものです。転載については出典元にお問い合わせください。

不確実な環境での自動運転：相互作用と不確実な操作予測を考慮した計画、Constantin Hubmann1、Jens Schulz2、Marvin Becker3、Daniel Althoff4、およびChristoph Stiller5。

この記事では、pomdp アプローチを使用して環境の不確実性をモデル化し、環境の車両の意図と認識の不確実性に対処します。ここで扱う環境は主に交差点環境であり、まず空間軌道を固定し、次に縦方向の決定を行い、それが自動速度変更に反映されます。それは分離のアイデアです。この記事には以前のバージョンもありますが、内容は同じなので読む必要はありません: 周囲車両との相互作用と不確実な予測を考慮した自動運転の意思決定。

対象車については、経路が隠れ変数なので、これを推定したい。これは、後でベイズ推論法によって更新される。したがって、対象車については、関心のある状態に経路rが存在する。また、この車の空間的な位置と速度に基づいて後でベイズ推論を行うため、観測空間には位置と速度の情報が存在する。ここで、他の車の状態は以下のとおりである。

離散空間における状態伝達方程式:

ここでの加速度はヒューリスティックな方法で計算されます。この値は、データ トレーニングまたはいくつかの簡単なルールによって取得できます。

次は観測空間です。前述の通り、ベイズ推定を用いて確率を更新し、空間位置と車速を用いるため、ここでの観測状態は次のようになります。

その他の車両の場合:

観測機能の場合、観測特性は次のとおりです。

ベイズ推論の使用:

pomdp の解決には ABT アルゴリズムが使われています。私は ABT を詳しく研究していないので、ここではこれ以上書きません。以下に実験データをご覧いただけます。一つは交差点のシーンです。

ターゲットカーは直進したり右折したりする可能性があるため、ホストカーと相互作用する可能性があります。

上の図の比較からわかるように、不確実性を考慮しないアルゴリズムのみを使用すると、保守的な戦略が選択されます。ただし、不確実性を考慮すると、軌道の速度はあまり保守的ではないことがわかります。この特徴は、コンティンジェンシー プランニングの効果と非常によく似ています。同様のシナリオで実験データを振り返ってみると、

下の図の青い線が私たちの車の速度です。最初はターゲットの意図が不明だったため、2台の車が9秒に近づくと減速しました。その後、ターゲットの意図が収束すると、私たちの車と干渉することなく直進から右折に変わり、次に私たちの車が加速し始めました。 vt グラフの比較から、他の 2 つの軌道は、ターゲットが 100% 右折または直進の場合の車両軌道であることがわかります。不確実性を考慮した軌道は実際には 2 つの中間にあるため、コンティンジェンシー プランの結果と非常によく似た軌道が 1 つあります。

同様の効果は ST グラフからも確認できます。

この車の青い線も他の 2 つの極端な可能性の間にあることがわかります。不確実性を考慮した後、軌道は 2 つの極端な可能性の間に固定することができ、偶発性の効果があります。

オリジナルリンク: https://mp.weixin.qq.com/s/uBOG8XzE5DKYxwTMB9Shkg?poc_token=HG1FAWWjK2Gour3uC1UlGWQ6eowaEestvkP6mi6J