不确定性下自动驾驶的风险规避行为规划
人工智能
2018-12-05 v1 机器人学
摘要
自动驾驶车辆必须在对其他共享道路物体部分可观测的情况下导航周边环境。自动驾驶车辆测量的不确定性来源包括传感器融合误差、因天气或物体检测延迟导致的有限传感范围、遮挡，以及隐藏参数如其他人类驾驶员意图。行为规划必须在决定未来车辆机动时考虑所有不确定性来源。本文提出一种可扩展的不确定性下风险规避行为规划框架，通过结合 QMDP、无迹变换和蒙特卡洛树搜索（MCTS）。研究表明，用于树扩展的上置信界（UCB）导致 MCTS 产生有噪声的 Q 值估计以及 QMDP 性能下降。我们提出对 MCTS 中动作选择过程的修改以实现鲁棒性能。
引用
@article{arxiv.1812.01254,
title = {Risk-averse Behavior Planning for Autonomous Driving under Uncertainty},
author = {Mohammad Naghshvar and Ahmed K. Sadek and Auke J. Wiggers},
journal= {arXiv preprint arXiv:1812.01254},
year = {2018}
}
备注
7 pages, accepted to NeurIPS 2018 Workshop on Machine Learning for Intelligent Transportation Systems (MLITS)