PaaS：面向CARLA排行榜中反应式驾驶的规划即服务
机器人学
2023-06-16 v3
摘要
端到端深度学习方法已被证明在自动驾驶与机器人领域高效。通过使用深度学习技术进行决策，这类系统常被视为黑箱，其结果由数据驱动。本文提出PaaS(Planning as a Service，规划即服务)，一个用于在CARLA仿真中生成自动驾驶局部轨迹规划的轻量模块。我们的方法提交于国际CARLA自动驾驶排行榜(CADL)，该平台用于评估自动驾驶智能体在真实交通场景中的驾驶能力。我们的方法聚焦于复杂城市街道约束与驾驶员舒适性下的Frenet坐标系反应式规划。规划器生成一组可行轨迹，利用带可控驾驶风格因子的启发式代价函数来选择满足安全行驶标准的最优控制路径。PaaS能提供充分的解决方案以妥善应对CADL中具挑战性的交通状况。在CADL地图赛道的严格评估中，按驾驶分数衡量我们的方法在9个提交中排名第3。然而，由于侧重于最小化机动风险并确保乘客安全，我们在违规惩罚方面的指标比前两名提交高出20%。
引用
@article{arxiv.2304.08252,
title = {PaaS: Planning as a Service for reactive driving in CARLA Leaderboard},
author = {Nhat Hao Truong and Huu Thien Mai and Tuan Anh Tran and Minh Quang Tran and Duc Duy Nguyen and Ngoc Viet Phuong Pham},
journal= {arXiv preprint arXiv:2304.08252},
year = {2023}
}
备注
accepted on 05.06.2023, revised on 15.06.2023, to be published on ICSSE 2023