面向时间与风险依赖路径规划的预测式碰撞管理
机器学习
2020-11-30 v1 人工智能
机器人学
摘要
自动驾驶汽车或快递机器人等自主智能体需要识别并避免与障碍物可能发生的碰撞，以在其环境中成功移动。然而，人类已学会直觉地预测运动并以前瞻性方式避开障碍物。碰撞避免任务可分为全局与局部两个层次。在全局层次上，我们提出一种称为“预测式碰撞管理路径规划”（PCMP）的方法。在局部层次上，采用避免不可避免碰撞的碰撞避免方案。因此，PCMP 的目标是利用预测式碰撞管理避免不必要的局部碰撞场景。PCMP 是一种基于图的算法，侧重于时间维度，由三部分组成：（1）运动预测，（2）将运动预测集成到时间依赖图中，（3）时间与风险依赖的路径规划。该算法将最短路径搜索与如下问题结合：为避开可能的碰撞场景，绕行是否值得？我们在不同仿真场景中评估规避行为，结果表明风险敏感型智能体可避免 47.3% 的碰撞场景，同时绕行 1.3%；风险厌恶型智能体可避免多达 97.3% 的碰撞场景，绕行 39.1%。因此，智能体的规避行为可利用 PCMP 进行主动的、依赖风险的控制。
引用
@article{arxiv.2011.13305,
title = {Predictive Collision Management for Time and Risk Dependent Path Planning},
author = {Carsten Hahn and Sebastian Feld and Hannes Schroter},
journal= {arXiv preprint arXiv:2011.13305},
year = {2020}
}
备注
Extended version of the SIGSPATIAL '20 paper