面向交通路口多模态预测的随机模型预测控制

我们提出了一种用于交通路口自动驾驶的随机模型预测控制（SMPC）形式化方法，该方法融合了周围车辆的多模态预测以构建碰撞避免约束。多模态预测通过高斯混合模型（GMM）获得，约束被表述为机会约束（chance-constraints）。我们的主要理论贡献是一种 SMPC 形式化方法，该方法在一类新颖的反馈策略上优化，该策略类旨在利用 GMM 预测中的额外结构，并且适用于凸规划。使用反馈策略进行预测，其动机在于需要降低处理周围车辆多模态预测时的保守性，这在交通路口场景中尤为突出。我们在 CARLA 中的模拟路口上，从机动性、舒适性、保守性和计算效率等维度评估了我们的算法。我们的仿真使用运动学自行车模型，以及基于 Lyft Level 5 预测数据集子集训练的多模态预测。为展示在反馈策略上优化的影响，我们将算法与两个处理多模态碰撞避免机会约束时通过开环序列优化的 SMPC 基线进行了比较。