自動運転/強化学習/安全制御2025/5/1arXiv:2505.19939

不確実性を考慮した安全クリティカルな自動運転車の意思決定と制御：無信号交差点における枠組み

Uncertainty-Aware Safety-Critical Decision and Control for Autonomous Vehicles at Unsignalized Intersections

強化学習の不確実性を推定し、高次制御バリア関数を安全フィルタとして動的に切り替えることで、無信号交差点での安全性と効率性を両立する手法を提案した。

詳しい要約

1. どんなもの？

- 自動運転(Autonomous Driving, AD)の都市部交差点、特に unsignalized intersections における意思決定と制御のためのフレームワーク。 - Uncertainty-aware Safety-Critical Decision and Control (USDC) と名付けられている。 - risk-aware ensemble distributional RL により risk-averse な policy を生成し、不確実性を推定して policy の信頼性を定量化する。 - high-order control barrier function (HOCBF) を safety filter として用い、不確実性に応じて制約を動的に強化する。 - ensemble critics が HOCBF と RL policy の両方を評価し、安全戦略と柔軟戦略を動的に切り替える。

2. 先行研究と比べてどこがすごい？

- RL は AD の意思決定で有望だが、安全制約の欠如によりリスクに脆弱である点が従来課題。 - 認知限界や環境のランダム性により safety-critical な場面で信頼できない決定が生じる問題がある。 - 本研究は RL 決定の confidence を定量化して安全性を高める点を狙う。 - risk-aware ensemble distributional RL と HOCBF を組み合わせ、不確実性を埋め込んだ動的切替を行う点が特徴。 - 具体的な先行研究名との比較は要旨からは不明。

3. 技術・手法の肝は？

- risk-aware ensemble distributional RL を構築し、risk-averse な policy を生成する。 - 同時に不確実性を推定し、policy の reliability を定量化する。 - high-order control barrier function (HOCBF) を safety filter として適用する。 - HOCBF は不確実性に基づいて制約を動的に強化し、介入を最小化する。 - ensemble critics が HOCBF と RL policy を評価し、不確実性を埋め込んで安全戦略と柔軟戦略を動的に切り替える。 - これにより安全性と効率のバランスを取る。

4. どうやって有効だと検証した？

- 複数のタスクで unsignalized intersections のシミュレーション試験を実施。 - USDC が baselines と比較して安全性を向上しつつ、交通効率を維持できることを示した。 - 具体的なベースライン名や評価指標の詳細は要旨からは不明。

5. 議論はある？

- 安全性と効率のバランスを動的切替で実現する点が議論の中心。 - 不確実性推定に基づく HOCBF 制約の動的強化と介入最小化の効果が示唆される。 - 実車環境での検証や他シナリオへの汎化、計算負荷などは要旨からは不明。 - ベースラインとの詳細な比較や限界については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている具体的な研究名は不明。 - 関連手法として reinforcement learning (RL)、distributional RL、ensemble learning、control barrier function (CBF)、high-order control barrier function (HOCBF) が挙げられる。 - 同分野の定番として safety-critical control や risk-aware RL に関する文献を次に読むべき候補として一般名で挙げる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ran Yu, Zhuoren Li, Lu Xiong, Wei Han, Bo Leng

分類: cs.RO

原文アブストラクト

Reinforcement learning (RL) has demonstrated potential in autonomous driving (AD) decision tasks. However, applying RL to urban AD, particularly in intersection scenarios, still faces significant challenges. The lack of safety constraints makes RL vulnerable to risks. Additionally, cognitive limitations and environmental randomness can lead to unreliable decisions in safety-critical scenarios. Therefore, it is essential to quantify confidence in RL decisions to improve safety. This paper proposes an Uncertainty-aware Safety-Critical Decision and Control (USDC) framework, which generates a risk-averse policy by constructing a risk-aware ensemble distributional RL, while estimating uncertainty to quantify the policy's reliability. Subsequently, a high-order control barrier function (HOCBF) is employed as a safety filter to minimize intervention policy while dynamically enhancing constraints based on uncertainty. The ensemble critics evaluate both HOCBF and RL policies, embedding uncertainty to achieve dynamic switching between safe and flexible strategies, thereby balancing safety and efficiency. Simulation tests on unsignalized intersections in multiple tasks indicate that USDC can improve safety while maintaining traffic efficiency compared to baselines.

arXivで原文を読む →arXiv概要ページ

← 論文一覧