面向安全自动驾驶的概率密度函数预测与最优反馈 steering
系统与控制
2020-11-10 v3 系统与控制
最优化与控制
摘要
我们提出一种随机预测-控制框架，通过轨迹级状态反馈在车辆动力学约束下直接控制联合状态概率密度函数（PDFs）以提升自动驾驶安全性。为阐明主要思想，我们聚焦于多车道高速公路驾驶场景，尽管所提框架可适配其他情境。计算流程包含一个PDF预测层，其后接一个PDF控制层。预测层对自车与非自车车辆的随机状态执行滚动时域非参数预测，从而推导自车的安全目标PDF。后者基于预测的碰撞概率，提升自车的概率安全性。PDF控制层设计一种反馈，在受控自车动力学下最优地引导联合状态PDF，同时满足端点PDF约束。我们的PDF预测层计算利用受控Liouville偏微分方程的结构来演化联合PDF值，而非经验近似PDFs。我们的PDF控制层计算利用车辆动力学中的微分平坦结构。我们借助最优质量传输与Schrödinger桥的最新理论与算法进展。数值仿真展示了所提框架的有效性。
引用
@article{arxiv.2009.09055,
title = {Prediction and Optimal Feedback Steering of Probability Density Functions for Safe Automated Driving},
author = {Shadi Haddad and Kenneth F. Caluya and Abhishek Halder and Baljeet Singh},
journal= {arXiv preprint arXiv:2009.09055},
year = {2020}
}