通过基于机动分解细化障碍物感知安全区
机器人学
2023-08-15 v1
摘要
开发安全自动驾驶栈的一项关键任务是判定某障碍物是否具有安全关键性，即是否对自动驾驶车辆构成紧迫威胁。我们先前的工作表明，Hamilton Jacobi 可达性理论可用于计算交互动力学感知的感知安全区，从而更好地告知 ego 车辆的感知模块哪些障碍物被视为安全关键。为完备性，这些区域通常比绝对必要者更大，迫使感知模块为保守起见关注更多物体。作为改进，我们提出一种基于机动的安全区分解，利用 ego 机动信息来缩减区域体积。特别地，我们提出一种“时间卷积”操作，其为特定 ego 机动生成安全区，从而限制 ego 行为以减小安全区大小。数值实验表明，基于机动的区域较基线显著更小（尺寸缩减达 76%）同时保持完备性。
引用
@article{arxiv.2308.06337,
title = {Refining Obstacle Perception Safety Zones via Maneuver-Based Decomposition},
author = {Sever Topan and Yuxiao Chen and Edward Schmerling and Karen Leung and Jonas Nilsson and Michael Cox and Marco Pavone},
journal= {arXiv preprint arXiv:2308.06337},
year = {2023}
}
备注
* indicates equal contribution. Accepted into the IEEE Intelligent Vehicles Symposium 2023