大规模混合城市交通中的自动驾驶仿真
机器人学
2020-11-12 v1
摘要
在无管制的城市人群中实现自动驾驶是一项杰出的挑战，尤其是在存在许多攻击性、高速交通参与者的情况下。本文提出 SUMMIT，一个高保真模拟器，用于促进人群驾驶算法的开发与测试。SUMMIT 可模拟 OpenStreetMap 所支持的任何全球位置处的密集、无管制城市交通。SUMMIT 的核心是一个多智能体运动模型 GAMMA（用于建模异构交通参与者的行为）和一个实时 POMDP 规划器 Context-POMDP（用作驾驶专家）。SUMMIT 构建为 CARLA 的扩展，并继承了后者用于自动驾驶仿真的物理与视觉真实感。SUMMIT 支持广泛的应用，包括感知、车辆控制或规划，以及端到端学习。我们利用其在多个真实世界数据集上的交通运动预测精度验证了运动模型的真实感。我们还提供了若干真实世界基准场景，表明 SUMMIT 能模拟复杂、真实的交通行为，且 Context-POMDP 在具有挑战性的人群驾驶环境中安全高效地行驶。
引用
@article{arxiv.2011.05767,
title = {Simulating Autonomous Driving in Massive Mixed Urban Traffic},
author = {Yuanfu Luo and Panpan Cai and Yiyuan Lee and David Hsu},
journal= {arXiv preprint arXiv:2011.05767},
year = {2020}
}
备注
Journal extension of the ICRA2020 paper (arXiv:1911.04074)