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
Branch-Stochastic Model Predictive Control for Motion Planning under Multi-Modal Uncertainty with Scenario Clustering
自動運転の動作計画において、周辺車両の意図と軌道の不確実性を考慮しつつ、意図ごとに異なる軌道を生成する分岐構造と確率モデル予測制御を組み合わせ、シナリオクラスタリングで計算を高速化する手法を提案した。
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: Zekun Xing, Ramkrishna Chaudhari, Marion Leibold, Dirk Wollherr, Martin Buss
分類: cs.RO
原文アブストラクト
Motion planning for autonomous driving must account for multi-modal uncertainty in both the intentions and trajectories of surrounding vehicles. Handling uncertainty in a worst-case manner guarantees robustness but often leads to excessive conservatism. Stochastic Model Predictive Control (SMPC) reduces trajectory-level conservatism through chance constraints, yet remains conservative with respect to intention uncertainty since constraints must hold across all intentions. We present a novel combination of SMPC and the branching structure, enabling the planner to generate distinct trajectories for different possible intentions while maintaining safety under trajectory uncertainty. A novel scenario clustering is proposed to merge prediction scenarios based on high-level decision similarity, thereby ensuring real-time tractability. Furthermore, an adaptive branching-time computation postpones commitment to separate plans until intention uncertainty is sufficiently reduced. Simulation studies in challenging highway scenarios demonstrate that the proposed method improves safety, reduces conservatism, and achieves real-time computational performance.
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
- 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
