面向安全关键自动驾驶的屏障增强并行同伦轨迹优化

在执行安全的同时防止过度保守的行为，对于自动驾驶车辆实现高任务性能至关重要。在本文中，我们提出了一种基于过松弛交替方向乘子法 (ADMM) 的屏障增强并行同伦轨迹优化 (BPHTO) 方法，用于实时集成决策与规划。为了促进本车 (EV) 与周围车辆之间的安全交互，基于屏障函数开发了一个展现双凸性的时空安全模块。在规划时间域内的不同时间步采用变化的屏障系数，以考虑周围本车 的运动不确定性并减轻保守行为。此外，我们利用驾驶机动的离散特性，基于可达性分析初始化面向标称行为的自由端同伦轨迹，并且每条轨迹局部约束于特定的驾驶机动，同时共享相同的任务目标。通过利用安全模块的双凸性和 EV 的运动学，我们将 BPHTO 表述为双凸优化问题。然后采用约束转换和过松弛 ADMM 来简化优化过程，从而实时生成具有可行性保证的多条轨迹。通过一系列实验，所提出的开发方法在使用合成和真实交通数据集的各种交通场景中，展示了更高的任务准确性、稳定性和一致性。