基于真实交通数据验证的自动驾驶车辆交互感知行为规划
机器人学
2021-01-18 v1 系统与控制
系统与控制
摘要
自动驾驶车辆（AVs）需要与其他交通参与者交互，这些参与者可能是合作的或攻击性的、专注的或不专注的。此类不同特征会导致相当不同的交互行为。因此，为实现安全高效的自动驾驶，AVs 在规划自身行为时需要意识到这种不确定性。在本文中，我们将此类行为规划问题表述为部分可观测马尔可夫决策过程（POMDP），其中其他交通参与者的合作性被视为不可观测状态。在不同合作性水平下，我们通过最大似然原理从真实交通数据中学习人类行为模型。基于此，POMDP 问题通过蒙特卡洛树搜索求解。我们在换道场景的仿真和真实交通数据中验证了所提算法，结果表明所提算法能成功完成换道且无碰撞。
引用
@article{arxiv.2101.05985,
title = {Interaction-Aware Behavior Planning for Autonomous Vehicles Validated with Real Traffic Data},
author = {Jinning Li and Liting Sun and Wei Zhan and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:2101.05985},
year = {2021}
}