論文の概要: IA Planner: Motion Planning Using Instantaneous Analysis for Autonomous
Vehicle in the Dense Dynamic Scenarios on Highways
- arxiv url: http://arxiv.org/abs/2103.10909v1
- Date: Fri, 19 Mar 2021 17:10:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 15:17:20.953816
- Title: IA Planner: Motion Planning Using Instantaneous Analysis for Autonomous
Vehicle in the Dense Dynamic Scenarios on Highways
- Title(参考訳): IAプランナー:高速道路の高密度ダイナミックシナリオにおける自動運転車の瞬時解析を用いた運動計画
- Authors: Xiaoyu Yang and Huiyun Li
- Abstract要約: 密集したダイナミックシーンでは、軌道計画の失敗や他の人による切り込みが容易である。
本稿では,衝突関係のみを同時に解析する瞬時解析モデルを提案する。
実験結果から, 本手法は, 高密度な動的シナリオにおいて, 安全快適かつ車線変化軌道を計画できることが示された。
- 参考スコア(独自算出の注目度): 1.6791232288938656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In dense and dynamic scenarios, planning a safe and comfortable trajectory is
full of challenges when traffic participants are driving at high speed. The
classic graph search and sampling methods first perform path planning and then
configure the corresponding speed, which lacks a strategy to deal with the
high-speed obstacles. Decoupling optimization methods perform motion planning
in the S-L and S-T domains respectively. These methods require a large free
configuration space to plan the lane change trajectory. In dense dynamic
scenes, it is easy to cause the failure of trajectory planning and be cut in by
others, causing slow driving speed and bring safety hazards. We analyze the
collision relationship in the spatio-temporal domain, and propose an
instantaneous analysis model which only analyzes the collision relationship at
the same time. In the model, the collision-free constraints in 3D
spatio-temporal domain is projected to the 2D space domain to remove redundant
constraints and reduce computational complexity. Experimental results show that
our method can plan a safe and comfortable lane-changing trajectory in dense
dynamic scenarios. At the same time, it improves traffic efficiency and
increases ride comfort.
- Abstract(参考訳): 密集したダイナミックなシナリオでは、安全で快適な軌道の計画には、トラフィック参加者が高速で運転している場合の課題がいっぱいです。
古典的なグラフ探索とサンプリング手法は、まず経路計画を行い、次に対応する速度を設定し、高速な障害物に対処する戦略を欠いている。
分離最適化法はS-LドメインとS-Tドメインでそれぞれ動作計画を実行する。
これらの手法はレーン変更軌跡を計画するために大きな自由な構成空間を必要とする。
密集したダイナミックシーンでは、軌道計画の失敗や他の人による切り込みが容易であり、運転速度が遅く、安全上の危険をもたらす。
本研究では,時空間における衝突関係を解析し,衝突関係を同時に解析する瞬時解析モデルを提案する。
モデルでは、3次元時空間領域における衝突のない制約を2次元空間領域に投影し、冗長な制約を除去し、計算複雑性を低減する。
実験の結果,提案手法は密集した動的シナリオにおいて安全かつ快適な車線変更軌道を計画できることがわかった。
同時に、交通効率を改善し、乗り心地を向上させる。
関連論文リスト
- SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Controllable Adversaries [94.84458417662407]
本稿では,新しい拡散制御型クローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
我々は,認知過程における敵対的項を通して,安全クリティカルなシナリオをシミュレートする新しい手法を開発した。
我々はNuScenesデータセットを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳(メタデータ) (2023-12-31T04:14:43Z) - Integrating Higher-Order Dynamics and Roadway-Compliance into
Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。
既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。
このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
論文 参考訳(メタデータ) (2023-09-25T22:30:18Z) - PDFormer: Propagation Delay-Aware Dynamic Long-Range Transformer for
Traffic Flow Prediction [78.05103666987655]
空間時空間グラフニューラルネットワーク(GNN)モデルは、この問題を解決する最も有望な方法の1つである。
本稿では,交通流の正確な予測を行うために,遅延を意識した動的長距離トランスフォーマー(PDFormer)を提案する。
提案手法は,最先端の性能を達成するだけでなく,計算効率の競争力も発揮できる。
論文 参考訳(メタデータ) (2023-01-19T08:42:40Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-10-21T07:25:57Z) - Learning-based Motion Planning in Dynamic Environments Using GNNs and
Temporal Encoding [15.58317292680615]
組込みとエッジ優先化ポリシの両方を学習するために,データアグリゲーションを用いた時間符号化と模倣学習を用いたGNNベースのアプローチを提案する。
実験により, 提案手法は, 最先端の完全な動的計画アルゴリズムよりも, オンラインプランニングを著しく高速化できることが示された。
論文 参考訳(メタデータ) (2022-10-16T01:27:16Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳(メタデータ) (2022-07-22T15:16:54Z) - Generating Useful Accident-Prone Driving Scenarios via a Learned Traffic
Prior [135.78858513845233]
STRIVEは、特定のプランナーが衝突のような望ましくない振る舞いを発生させるような、困難なシナリオを自動的に生成する手法である。
シナリオの妥当性を維持するために、キーとなるアイデアは、グラフベースの条件付きVAEという形で、学習した交通運動モデルを活用することである。
その後の最適化は、シナリオの"解決"を見つけるために使用され、与えられたプランナーを改善するのに有効である。
論文 参考訳(メタデータ) (2021-12-09T18:03:27Z) - Risk-Aware Lane Selection on Highway with Dynamic Obstacles [18.24314781032556]
コストに配慮したリアルタイムレーン選択アルゴリズムとモジュール設計を提案します。
アルゴリズムは、連続時間と空間領域の下で他の車両の不確定な動的位置を評価する検索ベースの最適化方法です。
論文 参考訳(メタデータ) (2021-04-08T22:54:27Z) - An End-to-end Deep Reinforcement Learning Approach for the Long-term
Short-term Planning on the Frenet Space [0.0]
本稿では,自動運転車の意思決定と動作計画に向けた,エンドツーエンドの継続的強化学習手法を提案する。
初めて、Frenet空間上の状態と行動空間の両方を定義して、走行挙動を道路曲率に変化させないようにする。
このアルゴリズムは、フィードバックコントローラが追跡するFrenetフレーム上で連続時間軌道を生成する。
論文 参考訳(メタデータ) (2020-11-26T02:40:07Z) - Path Planning Followed by Kinodynamic Smoothing for Multirotor Aerial
Vehicles (MAVs) [61.94975011711275]
そこで本稿では,RRT*textquotedblrightのテキストを幾何学的にベースとした動き計画手法を提案する。
提案手法では,適応探索空間とステアリング機能を導入したオリジナルのRT*を改良した。
提案手法を様々なシミュレーション環境で検証した。
論文 参考訳(メタデータ) (2020-08-29T09:55:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。