自动驾驶车辆碰撞风险的形式化估计:一种组合数据驱动方法
系统与控制
2022-07-21 v2 系统与控制
最优化与控制
摘要
在这项工作中,我们提出一种组合数据驱动方法,用于在随机多智能体框架下对自动驾驶车辆(AVs)的碰撞风险进行形式化估计。所提方法基于为每个随机智能体构造子障碍证书,通过从其轨迹收集的一组数据实现,同时对数据驱动估计提供先验保证的置信度。在我们提出的设定中,首先将每个智能体的原始碰撞风险问题转化为鲁棒优化程序(ROP)。由于其中一个约束中出现未知模型,求解所得 ROP 不可行。为克服此困难,我们从每个智能体的轨迹收集有限数量数据,并提供对应于原始 ROP 的场景优化程序(SOP)。随后我们在 SOP 与 ROP 的最优值之间建立概率桥梁,并据此基于数据数量和所需置信水平为每个未知智能体形式化构造子障碍证书。接着我们提出一种基于小增益推理的组合技术,依据从数据构造的各智能体子障碍证书,以一定期望置信度量化多智能体 AV 的碰撞风险。对于所提组合条件不满足的情况,我们提供组合结果的松弛版本,不要求任何组合条件,但代价是可能给出保守的碰撞风险。最后,我们也给出针对非随机多智能体 AV 的方法。我们将所提结果应用于由 1 个领导者和 99 个跟随者组成的 100 辆车队,通过从每个智能体轨迹收集数据来形式化估计碰撞风险,从而证明其有效性。
引用
@article{arxiv.2112.07187,
title = {Formal Estimation of Collision Risks for Autonomous Vehicles: A Compositional Data-Driven Approach},
author = {Abolfazl Lavaei and Luigi Di Lillo and Andrea Censi and Emilio Frazzoli},
journal= {arXiv preprint arXiv:2112.07187},
year = {2022}
}
备注
This work has been accepted at IEEE Transactions on Control of Network Systems