基于习得驾驶行为的感知不确定性在线合流规划
机器人学
2022-07-13 v1
摘要
安全可靠的自主解决方案是下一代智能交通系统的关键组成部分。此类系统中的自动驾驶车辆必须实时推理复杂动态的驾驶场景，并预测附近驾驶员的行为。人类驾驶行为高度微妙且因个体交通参与者而异。例如，在合流车辆出现时，驾驶员可能表现出合作或非合作行为。这些行为必须被估计并纳入规划过程以实现安全高效驾驶。本工作中，我们提出一个框架，用于估计高速公路上驾驶员的合作水平，并在显式建模驾驶员潜在行为的情况下规划合流机动。潜在参数估计问题使用粒子滤波求解，以近似合作水平上的概率分布。一个包含潜在状态估计的部分可观测马尔可夫决策过程（POMDP）被在线求解，以提取合流车辆的策略。我们在高保真汽车仿真器中针对忽略潜在状态或依赖关于参与者行为的假设的方法评估了我们的方法。
引用
@article{arxiv.2207.05228,
title = {Uncertainty-Aware Online Merge Planning with Learned Driver Behavior},
author = {Liam A. Kruse and Esen Yel and Ransalu Senanayake and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:2207.05228},
year = {2022}
}