面向自动驾驶的融合综合轨迹预测与风险势场的方法
机器人学
2024-04-02 v1
摘要
由于交通参与者意图的不确定性，在交互式驾驶场景中生成安全但不过于谨慎的行为仍然是自动驾驶面临的一项艰巨挑战。在本文中，我们通过将基于深度学习的轨迹预测模型与基于风险势场的运动规划相结合来解决这一问题。为了全面预测其他车辆可能的未来轨迹，我们提出了一种基于目标区域的轨迹预测模型 (TRTP)，该模型考虑了车辆未来可能到达的每个区域。之后，我们基于 TRTP 的预测结果在每个未来时间步构建风险势场，并将风险值集成到模型预测轮廓控制 (MPCC) 的目标函数中。这使得在规划过程中能够考虑其他车辆的不确定性。在沿参考路径的风险与进度之间取得平衡，可以同时实现驾驶安全性和效率。我们还在 CARLA 模拟器中展示了我们方法的安全性和有效性。
引用
@article{arxiv.2404.00893,
title = {An Integrating Comprehensive Trajectory Prediction with Risk Potential Field Method for Autonomous Driving},
author = {Kailu Wu and Xing Liu and Feiyu Bian and Yizhai Zhang and Panfeng Huang},
journal= {arXiv preprint arXiv:2404.00893},
year = {2024}
}