論文の概要: Hope for the Best, Prepare for the Worst: Occlusion-Aware Contingency Planning for Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2607.03155v1
• Date: Fri, 03 Jul 2026 09:53:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 12:56:54.258357
• Title: Hope for the Best, Prepare for the Worst: Occlusion-Aware Contingency Planning for Autonomous Vehicles
• Title（参考訳）: 自動運転車のオクルージョン・アウェア・コンティンジェンシー計画
• Authors: Truls Nyberg, Anna Gautier, Jana Tumova,
• Abstract要約: ドライバーレス車両に関する最近の事故は、閉塞によって引き起こされるリスクに明示的に対処する運動プランナーの重要性を強調している。 本稿では,隠れた交通参加者が存在する場合でも,衝突回避を保証できる形式的オクルージョン対応軌道計画フレームワークを提案する。 筆者らは, 衝突回避を積極的に, 効果的に保証する, 難解な擬似隠蔽シナリオにおいて, フレームワークの有効性を実証した。
• 参考スコア（独自算出の注目度）: 11.150547523174694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The deployment of autonomous vehicles in urban environments introduces significant safety challenges, particularly in scenarios with occlusions, where critical traffic participants may be hidden from view. Recent accidents involving driverless vehicles highlight the importance of motion planners that explicitly addresses the risks posed by occlusions. In this work, we propose a formal, occlusion-aware trajectory planning framework that guarantees collision avoidance even when there are possible hidden traffic participants. Building on our previous methods that apply reachability analysis to sequentially determine the possible states of hidden traffic participants, we integrate a tree-based motion planner capable of reasoning over future observations and the absence thereof. This approach reduces conservativeness while maintaining safety guarantees. We demonstrate the effectiveness of our framework in a challenging simulated occluded scenario, showing that it pro-actively and efficiently guarantees collision-avoidance.
• Abstract（参考訳）: 都市環境における自動運転車の展開は、特に重要な交通参加者を視界から隠蔽する閉塞のあるシナリオにおいて、重大な安全上の課題をもたらす。 ドライバーレス車両に関する最近の事故は、閉塞によって引き起こされるリスクに明示的に対処する運動プランナーの重要性を強調している。 本研究では,隠れ交通参加者が存在する場合でも衝突回避を保証できる形式的オクルージョン対応軌道計画フレームワークを提案する。 隠れ交通参加者の可能な状態を逐次決定するために, リーチビリティ分析を適用した過去の手法に基づいて, 将来の観測とその欠如を推論できる木に基づく運動プランナを統合する。 このアプローチは、安全保証を維持しながら保守性を低下させる。 筆者らは, 衝突回避を積極的に, 効果的に保証する, 難解な擬似隠蔽シナリオにおいて, フレームワークの有効性を実証した。

関連論文リスト

• Hamilton-Jacobi Reachability-Based Safe Reinforcement Learning for Emergency Collision Avoidance [13.82721066487409]
  本稿では,ハミルトン・ヤコビ到達可能性に基づく運動安全セットによってガイドされる安全な強化学習フレームワークを提案する。 提案手法は,目標達成率の向上,回避操作の円滑化,基準法よりも大きな統一安全マージンの維持を実現している。
  論文  参考訳（メタデータ） (2026-06-13T13:57:30Z)
• Exact, Efficient, and Safe Occlusion-Aware Planning Using AH-Polyhedrons [5.980069180948256]
  我々は,精密かつ効率的なオクルージョン対応計画フレームワークであるAPRO(AH-Polyhedron Reachability for Occlusions)を提案する。 我々の重要な洞察は、AH-ポリヘドロンの結合として以前の作業におけるセットベースの安全条件を再構築することである。 提案手法は,提案手法を最適化した計画立案者や,リアルタイムアプリケーションのための二項探索方式に統合する方法を示す。
  論文  参考訳（メタデータ） (2026-06-13T01:28:07Z)
• Bridging Predictive Uncertainty and Safe Action: Sample-Conditioned Differentiable Planning for Autonomous Driving [46.91409391705346]
  複雑でダイナミックでインタラクティブな運転環境は、自動運転に重大な課題をもたらす。 現在のシステムにおける基本的なボトルネックは、高度に表現力のある不確実性モデリングと解釈可能な安全な動き計画との切り離しである。 本稿では, このギャップを埋めるために, 拡散生成将来の軌道を最適化プロセスに明示的に組み込む, サンプル条件付き微分可能計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-02T08:10:02Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能な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。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、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)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• Risk-Constrained Interactive Safety under Behavior Uncertainty for Autonomous Driving [0.0]
  許可された計画領域を制限する安全封筒は、行動の不確実性の存在下で解釈可能な安全性をもたらす。 人間は、安全封筒に違反する確率的リスクを受け入れることによって、密集した交通における安全と効率のバランスをとる。
  論文  参考訳（メタデータ） (2021-02-05T08:33:39Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)
• Online Mapping and Motion Planning under Uncertainty for Safe Navigation in Unknown Environments [3.2296078260106174]
  本論文は,確率論的安全保証者によるオンラインで実現可能な動作のマッピングと計画のための不確実性に基づくフレームワークを提案する。 提案手法は, 環境の不確実性を意識した環境表現を構築するために周囲をマッピングし, (i) 信念空間の多層サンプリングベースプランナーを通して, キノダイナミックに実現可能で確率論的に安全な目標に反復的に(re)計画を行うことにより, 動き, 確率論的安全性, オンライン計算制約を取り扱う。
  論文  参考訳（メタデータ） (2020-04-26T08:53:37Z)

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。