MORPH-U: 高不確実環境下でのV2X対応自動運転のための多目的レジリエント動作計画とシミュレーション評価
MORPH-U: Multi-Objective Resilient Motion Planning for V2X-Enabled Autonomous Driving in High-Uncertainty Environments via Simulation
V2X通信の遅延や欠落、偽情報などの不確実性に頑健な自動運転の動作計画手法を提案し、CARLAシミュレーションで有効性を検証した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Shih-Yu Lai
分類: cs.RO, cs.AI, cs.MA, cs.SY, eess.SY
原文アブストラクト
V2X can warn an autonomous vehicle about hazards beyond line-of-sight, but it also brings uncertainty: messages may be delayed, dropped, or even forged. Meanwhile, map knowledge may change during a trip, forcing the vehicle to replan under tight real-time budgets. This paper studies how to make motion planning and low-level control robust to such uncertain, event-driven updates. We present MORPH-U, a CARLA-based closed-loop stack that fuses LiDAR/radar/camera with V2X (CAM/DENM) into a Local Dynamic Map (LDM) and triggers Hybrid-A* replanning when validated hazards or map changes affect the planned route. We expose the planning/control trade-offs via a multi-objective formulation over tracking error, safety margin (minimum TTC), responsiveness, and smoothness, and select operating points using Pareto-frontier analysis. To avoid unsafe replanning from faulty V2X triggers, MORPH-U adds a lightweight Byzantine-inspired acceptance gate that combines a quorum rule with an on-board sensor veto. Experiments in dynamic CARLA scenarios show that V2X-augmented LDM improves downstream safety, Pareto tuning provides controllable accuracy-comfort trade-offs, and the gate prevents replanning under saturated false-DENM injection ($p_{\text{attack}}=1.0$).
関連論文
- 学習された軌道プリミティブと確率的安全性評価を用いたリスク認識型動作計画自動運転/動作計画
- 分岐確率モデル予測制御によるマルチモーダル不確実性下の動作計画：シナリオクラスタリングを用いた手法自動運転/動作計画
- MISTY: ミキサーベース単一ステップドリフトによる高スループット動作計画自動運転/動作計画
- 閉ループ自動運転における拡散ベース動作計画のためのオープンソースモジュラーベンチマーク自動運転/動作計画
- PIE: 自動運転のための知覚・インタラクション強化型エンドツーエンド動作計画自動運転/動作計画
- SMART-Mergeプランナ：自動運転の高速道路合流のための安全かつリアルタイムな動作計画自動運転/動作計画
