MBAPPE: 予測を組み込んだMCTSによる明示的な自動運転運動計画
MBAPPE: MCTS-Built-Around Prediction for Planning Explicitly
自動運転の運動計画において、モンテカルロ木探索(MCTS)と部分的に学習した環境モデルを組み合わせ、動的環境での意思決定と衝突回避を改善する手法を提案した論文。
著者: Raphael Chekroun, Thomas Gilles, Marin Toromanoff, Sascha Hornauer, Fabien Moutarde
分類: cs.RO
原文アブストラクト
We present MBAPPE, a novel approach to motion planning for autonomous driving combining tree search with a partially-learned model of the environment. Leveraging the inherent explainable exploration and optimization capabilities of the Monte-Carlo Search Tree (MCTS), our method addresses complex decision-making in a dynamic environment. We propose a framework that combines MCTS with supervised learning, enabling the autonomous vehicle to effectively navigate through diverse scenarios. Experimental results demonstrate the effectiveness and adaptability of our approach, showcasing improved real-time decision-making and collision avoidance. This paper contributes to the field by providing a robust solution for motion planning in autonomous driving systems, enhancing their explainability and reliability.
関連論文
- 自動運転の倫理における視点の考慮:車両運動計画における集合的リスク自動運転/運動計画
- 安全強化学習でMPCを強化:自動運転の運動計画におけるSRMPC自動運転/運動計画
- サンプリングを学習する:強化学習ガイドによる自動運転の運動計画自動運転/運動計画
- MP-RBFN:動径基底関数ネットワークによる車両モーションプリミティブの学習自動運転/運動計画
- ゲーム理論を用いた探索ベースの自動運転車両の運動計画自動運転/運動計画
- FocalAD: 局所運動計画によるエンドツーエンド自動運転自動運転/運動計画
