自動運転のためのオクルージョン認識型コンティンジェンシ安全クリティカルプランニング

科学分野:

• ロボット工学
• 人工知能
• 制御システム

背景:

• 自動運転車（AV）は、動的で閉塞した環境において重大な課題に直面しており、安全性と効率に影響を与えています。
• 複雑なシナリオでのAVナビゲーションには、リアルタイムのリスク評価と軌道プランニングが不可欠です。

研究 の 目的:

• リアルタイム自動運転のためのオクルージョン認識型コンティンジェンシ安全クリティカルプランニングアプローチを提案すること。
• 動的で閉塞した環境でのAVの安全性と移動効率を向上させること。

主な方法:

• ファントム車両（PV）の到達可能性解析と前方到達可能集合（FRS）を利用してリスク評価を行いました。
• 安全性確保のための時空間障壁制約を持つバイコ ンベックス非線形計画法（NLP）定式化を開発しました。
• NLP問題のリアルタイム計算と分解のために、コンセンサス交互方向乗数法（ADMM）を採用しました。

主要な成果:

• シミュレーションおよび実世界実験で安全性と移動効率が向上したことを実証しました。
• さまざまな障害物条件下で、閉塞した交差点でのリアルタイムの安全な軌道生成を可能にしました。
• FRSから導出されたリスク認識型動的速度境界の効果を検証しました。

結論:

• 提案されたオクルージョン認識型プランニングアプローチは、動的で閉塞した環境におけるAVの安全性と効率の課題に効果的に対処します。
• この手法は、実用的なAV展開に不可欠なリアルタイムで安全な軌道生成を容易にします。
• 到達可能性解析とADMMベースの最適化の統合は、安全クリティカルな自動運転のための堅牢なソリューションを提供します。