日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

無人車左轉(zhuǎn)決策規(guī)劃的挑戰(zhàn)和探索

2020-03-10 00:57:56·  來源：智車科技  作者：舒可齊  
　
原創(chuàng) 昨天滑鐵盧大學(xué)Cogdrive實驗室通過提出基于關(guān)鍵左轉(zhuǎn)點(diǎn)（CTP）和部分可觀察馬爾可夫決策過程（POMDP）的分層規(guī)劃框架來應(yīng)對無人車左轉(zhuǎn)決策規(guī)劃的挑戰(zhàn)。十字
滑鐵盧大學(xué)Cogdrive實驗室通過提出基于關(guān)鍵左轉(zhuǎn)點(diǎn)（CTP）和部分可觀察馬爾可夫決策過程（POMDP）的分層規(guī)劃框架來應(yīng)對無人車左轉(zhuǎn)決策規(guī)劃的挑戰(zhàn)。

十字路口的左轉(zhuǎn)規(guī)劃是目前無人駕駛汽車面臨的重要挑戰(zhàn)之一，很多規(guī)劃算法在解決該問題的時候都遇到了不同的挑戰(zhàn)（表格1），十字路口的復(fù)雜場景即使對于有經(jīng)驗的駕駛員也相對危險。美國全國范圍內(nèi)，所有撞車事故中有40％涉及到十字路口。美國聯(lián)邦公路管理局（FHA）每年報告約250萬起十字路口交通事故，其中大多涉及左轉(zhuǎn)場景 [1]。經(jīng)過近兩年的道路測試后，谷歌旗下的waymo稱其自動駕駛汽車處理左轉(zhuǎn)問題時面臨巨大困難 [2]。

表格1十字路口規(guī)劃常用方法



目前安全而高效的無人車左轉(zhuǎn)規(guī)劃需要解決的最重要的問題之一是在規(guī)劃的同時對來車的意圖進(jìn)行準(zhǔn)確判斷。為解決這一問題，滑鐵盧大學(xué)Cogdrive實驗室通過提出基于關(guān)鍵左轉(zhuǎn)點(diǎn)（CTP）和部分可觀察馬爾可夫決策過程（POMDP）的分層規(guī)劃框架來應(yīng)對這一挑戰(zhàn)。框架內(nèi)的關(guān)鍵左轉(zhuǎn)點(diǎn)（CTP）概念受熟練駕駛員在十字路口的駕駛行為啟發(fā)，通過壓縮軌跡規(guī)劃的冗余搜索空間來提高底層規(guī)劃器的計算效率。該規(guī)劃框架有助于開發(fā)使車外其他車輛駕駛員以及車內(nèi)乘客體驗良好的自動駕駛系統(tǒng)。通過對十字路口場景的合理建模，本實驗室提出的分層規(guī)劃框架能夠在無信號燈十字路口場景保證安全性的同時提高通勤效率。

 
圖1基于CTP的分層規(guī)劃框架

該框架由上層候選軌跡生成和下層路徑選擇與速度規(guī)劃組成。上層軌跡規(guī)劃利用關(guān)鍵左轉(zhuǎn)點(diǎn)和五次曲線生成候選左轉(zhuǎn)軌跡，下層規(guī)劃根據(jù)來車行車意圖推理，基于蒙特卡洛仿真對左轉(zhuǎn)軌跡進(jìn)行選擇并在軌跡上進(jìn)行速度規(guī)劃。
圖2基于自然駕駛數(shù)據(jù)的CTP提取

該團(tuán)隊通過對大量十字路口左轉(zhuǎn)自然駕駛數(shù)據(jù)[4]進(jìn)行分析（圖2），發(fā)現(xiàn)有對面方向來車時，左轉(zhuǎn)車輛的行為可以分為兩個步驟：首先，向前緩慢駛?cè)氪D(zhuǎn)區(qū)并等在某個位置；之后，當(dāng)左轉(zhuǎn)道路通暢時，快速轉(zhuǎn)彎并加速駛?cè)肽繕?biāo)車道。駕駛員在待轉(zhuǎn)位置進(jìn)行的決策對于自動駕駛車輛的安全性有著極大的影響，而待轉(zhuǎn)位置的選擇又對車輛通行效率有著關(guān)鍵的影響。因此定義該待轉(zhuǎn)位置為關(guān)鍵左轉(zhuǎn)點(diǎn)（CTP），并對該點(diǎn)的確定方法進(jìn)行了建模 [5]，如圖1（b）所示。

通過對環(huán)境進(jìn)行合理建模，所提出的基于CTP的分層規(guī)劃框架能夠使自動駕駛車輛在十字路口左轉(zhuǎn)的通行效率比不使用關(guān)鍵左轉(zhuǎn)點(diǎn)（CTP）提高20% 以上。如圖3所示，上下兩條藍(lán)色虛線分別是十字路口的起點(diǎn)和終點(diǎn)，縱坐標(biāo)表示的是自動駕駛汽車在十字路口內(nèi)通過的距離占整條左轉(zhuǎn)軌跡的比例。

圖3不同框架下通過效率對比

團(tuán)隊研究人員將所提出的基于CTP的分層規(guī)劃方法在十字路口關(guān)鍵場景進(jìn)行了仿真驗證。如下圖所示，在這些場景下使用本框架進(jìn)行規(guī)劃的自動駕駛車輛同時保證了通行的安全性和高效性，自動駕駛車輛在來車行車意圖明確前采取了較為謹(jǐn)慎的駕駛策略，駕駛意圖明確后，駕駛行為不再保守以提高通行效率。
 
加拿大滑鐵盧大學(xué)認(rèn)知自動駕駛實驗室CogDrive Lab (Waterloo CognitiveAutonomous Driving Lab) 專注于human-centric AI and engineering research in cognitive autonomous driving, 現(xiàn)有學(xué)生和博士后40多人。研究方向包括認(rèn)知自動駕駛決策與規(guī)劃、駕駛員行為與認(rèn)知、多信息源感知融合、人車協(xié)同、駕駛員情緒監(jiān)測、平行駕駛等。實驗室有多輛無人駕駛研究平臺，過去五年團(tuán)隊發(fā)表期刊文章100余篇，英文專著3本，獲會議最佳論文獎3次。
[1] D. M., “Statistics onIntersection Accidents,” [Online]. Available:https://www.autoaccident.com/statistics-on-intersection-accidents.html.[Accessed: 28-Feb-2020].

[2] H. Boland, “Waymo's self-driving cars 'struggle to turnleft and don't understand basic road features',” The Telegraph,29-Aug-2018. [Online]. Available:https://www.telegraph.co.uk/technology/2018/08/29/waymos-self-driving-cars-struggle-turn-left-dont-understand/.[Accessed: 04-Mar-2020].

[3] bilibili, 25-Sep-2018. [Online]. Available: https://www.bilibili.com/video/av32449494?from=search&seid=14710128783162567582.[Accessed: 28-Feb-2020].

[4] W. Zhan,L. Sun, et al., “INTERACTION Dataset: An INTERnational, Adversarial and CooperativemoTION Dataset in Interactive Driving Scenarios with Semantic Maps,” arXiv preprintarXiv:1910.03088, 2019.

[5] K. Shu, H. Yu,et al., “Autonomous Driving at Intersections: A Critical-Turning-Point Approachfor Left Turns,” arXiv preprint arXiv:2003.02409, 2020.
 
 
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25