論文の概要: Risk-Aware Lane Selection on Highway with Dynamic Obstacles
- arxiv url: http://arxiv.org/abs/2104.04105v1
- Date: Thu, 8 Apr 2021 22:54:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 13:58:40.019411
- Title: Risk-Aware Lane Selection on Highway with Dynamic Obstacles
- Title(参考訳): 動的障害を有する高速道路におけるリスクアウェアレーン選択
- Authors: Sangjae Bae, David Isele, Kikuo Fujimura, Scott J. Moura
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 18.24314781032556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a discretionary lane selection algorithm. In particular,
highway driving is considered as a targeted scenario, where each lane has a
different level of traffic flow. When lane-changing is discretionary, it is
advised not to change lanes unless highly beneficial, e.g., reducing travel
time significantly or securing higher safety. Evaluating such "benefit" is a
challenge, along with multiple surrounding vehicles in dynamic speed and
heading with uncertainty. We propose a real-time lane-selection algorithm with
careful cost considerations and with modularity in design. The algorithm is a
search-based optimization method that evaluates uncertain dynamic positions of
other vehicles under a continuous time and space domain. For demonstration, we
incorporate a state-of-the-art motion planner framework (Neural Networks
integrated Model Predictive Control) under a CARLA simulation environment.
- Abstract(参考訳): 本稿では,離散レーン選択アルゴリズムを提案する。
特に、高速道路の運転は、各車線が異なるレベルの交通の流れを持つターゲットのシナリオと見なされている。
車線変更が裁量的である場合、例えば、旅行時間を著しく短縮したり、より高い安全性を確保しない限り、車線変更を推奨する。
このような「便益」の評価は、ダイナミックな速度で複数の周囲の車両と共に、不確実性を伴う。
本稿では,設計に注意深いコストを考慮したリアルタイムレーン選択アルゴリズムを提案する。
このアルゴリズムは、連続時間と空間領域における他の車両の不確実な動的位置を評価する探索に基づく最適化手法である。
実演では,CARLAシミュレーション環境下に最先端のモーションプランナフレームワーク(ニューラルネットワーク統合モデル予測制御)を組み込む。
関連論文リスト
- Sketch and Refine: Towards Fast and Accurate Lane Detection [69.63287721343907]
レーン検出は、現実世界のシナリオの複雑さのため、困難なタスクである。
提案ベースであれキーポイントベースであれ,既存のアプローチでは,車線を効果的かつ効率的に表現することができない。
本稿では,キーポイント法と提案法の両方のメリットを活かした"Sketch-and-Refine"パラダイムを提案する。
実験の結果、我々のSRLaneは高速(278 FPS)で走ることができ、F1スコアは78.9%であることがわかった。
論文 参考訳(メタデータ) (2024-01-26T09:28:14Z) - 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) - RLPG: Reinforcement Learning Approach for Dynamic Intra-Platoon Gap
Adaptation for Highway On-Ramp Merging [14.540226579203207]
小隊は、非常に近い距離で一緒に移動する車両のグループを指す。
近年の研究では、高規格道路と高架道路の合流時の交通流に対する極小小小高架区間の影響が明らかにされている。
本稿では,各小隊員の小隊内ギャップを適応的に調整し,交通流を最大化する新しい補強学習フレームワークを提案する。
論文 参考訳(メタデータ) (2022-12-07T07:33:54Z) - 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) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳(メタデータ) (2021-04-28T07:54:40Z) - IA Planner: Motion Planning Using Instantaneous Analysis for Autonomous
Vehicle in the Dense Dynamic Scenarios on Highways [1.6791232288938656]
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。
論文 参考訳(メタデータ) (2021-03-19T17:10:50Z) - 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) - Probabilistic Multi-modal Trajectory Prediction with Lane Attention for
Autonomous Vehicles [10.485790589381704]
軌道予測は自動運転車にとって不可欠である。
レーン表現のための新しいインスタンス認識表現を提案する。
提案したレーン表現とレーンアテンションモジュールは,広く使用されているエンコーダデコーダフレームワークに統合可能であることを示す。
論文 参考訳(メタデータ) (2020-07-06T07:57:23Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳(メタデータ) (2020-06-26T11:07:32Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳(メタデータ) (2020-04-25T22:54:35Z)
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。