Excerpt from PDF:
Delayed-Decision Motion Planning in the Presence of Multiple Predictions David Isele, Alexandre Miranda A˜non, Faizan M. Tariq, Goro Yeh, Avinash Singh, and Sangjae Bae Abstract— Reliable automated driving technology is chal- lenged by various sources of uncertainties, in particular, be- havioral uncertainties of traffic agents. It is common for traffic agents to have intentions that are unknown to others, leaving an automated driving car to reason over multiple possible behaviors. This paper formalizes a behavior planning scheme in the presence of multiple possible futures with corresponding probabilities. We present a maximum entropy formulation and show how, under certain assumptions, this allows delayed decision-making to improve safety. The general formulation is then turned into a model predictive control formulation, which is solved as a quadratic program or a set of quadratic programs. We discuss implementation details for improving computation and verify operation in simulation and on a mobile robot. I. INTRODUCTION Prediction technology continues to advance, and multi- ple prediction outputs are now a staple of state-of-the-art prediction methods [1]–[6]. This paper examines how an autonomous driving (AD) agent can utilize multiple predic- tions in the behavior planning process. In the context of this work, behavior planning corresponds to the combined task of decision-making and trajectory planning. Consider the scenario depicted in Fig. 1. A pedestrian walks along a road and will likely continue straight (with 80% probability), but the pedestrian is positioned close to the street, indicating that they might turn to cross the street (with 20% probability). Selecting the most probable sequence of events results in an overly aggressive and risky behavior – we assume they will not cross and are wrong 20% of the time. However, a cautious policy brakes unnecessarily in the middle of an intersection for a pedestrian, creating confusing and potentially dangerous consequences as well. Intuitively, the solution in this instance is try to balance the two behaviors, slow down so that it is possible to brake if necessary, but not to make the overly conservative assumption that an unlikely event is true. This paper presents a formalism through which the problem of planning in the presence of multiple predictions can be expressed, where the intuitive solution of our example emerges as a result. Starting with probabilistic predictions, we can adopt a be- havior that maximizes the expected reward [7]. However, this is often insufficient for safety-critical applications because negative events such as collisions are discouraged but not forbidden. This shortcoming can be addressed by directly incorporating constraints into the formulation [8]. However, such an approach is still overly conservative because even D. Isele, F.Tariq,G. Yeh, A.Singh, and S. Bae are with the Honda Research Institute, USA. {disele, faizan tariq, zheng-hang yeh,avinash singh,sbae}@honda-ri.com. A. A˜non conducted work while at Honda Research Institute, USA alex.miranyon@gmail.com Fig. 1. Illustrative example: a pedestrian at the intersection has possible intentions of walking straight or turning right. The ego vehicle (at the center of the image) must comprehend the pedestrian’s potential behaviors reflect that planning, e.g., by slowing down enough …더보기
This paper was uploaded based on materials provided by arXiv.
This paper is an open academic resource, and the original text can be accessed on arXiv.
Source: arXiv – A free repository for scientific and technical researchers.
This paper is provided for academic research purposes, and the original can be downloaded from arXiv.
Visit arXiv to explore more recent papers!
번역 (Translation):
지연된 결정 모션 계획 다중 예측이있을 때 David Isele, Alexandre Miranda A ~ Non, Faizan M. Tariq, Goro Yeh, Avinash Singh 및 Sangjae Bae Abstract- 신뢰할 수있는 자동 운전 기술은 다양한 불확실성, 특히 교통 기반의 불확실한 불확실성에 의해 쇠약 해집니다. 교통 에이전트가 다른 사람들에게 알려지지 않은 의도를 갖는 것이 일반적이며, 자동화 된 운전 차량은 여러 가능한 행동을 추론합니다. 이 논문은 해당 확률을 갖는 다중 가능한 미래가있을 때 행동 계획 체계를 공식화합니다. 우리는 최대 엔트로피 제형을 제시하고 특정 가정 하에서 지연된 의사 결정이 안전성을 향상시키는 방법을 보여줍니다. 그런 다음 일반적인 제형은 모델 예측 제어 공식으로 바뀌고, 이는 2 차 프로그램 또는 일련의 2 차 프로그램으로서 해결된다. 계산 개선을위한 구현 세부 사항에 대해 논의하고 시뮬레이션 및 모바일 로봇에서 작동을 확인합니다. I. 소개 예측 기술은 계속 발전하고 있으며, 다중 예측 출력은 이제 최첨단 예측 방법의 필수품입니다 [1]-[6]. 이 논문은 자율 주행 (AD) 에이전트가 행동 계획 과정에서 여러 예측을 어떻게 활용할 수 있는지 조사합니다. 이 작업의 맥락에서 행동 계획은 의사 결정 및 궤적 계획의 결합 된 작업에 해당합니다. 그림 1에 묘사 된 시나리오를 고려하십시오. 보행자는 도로를 따라 걸어 가서 똑바로 계속 될 가능성이 높지만 (80% 확률로) 보행자는 거리 근처에 위치하여 길을 건너는 확률로 변할 수 있음을 나타냅니다 (20% 확률). 가장 가능성있는 이벤트 순서를 선택하면 지나치게 공격적이고 위험한 행동이 발생합니다. 그러나 신중한 정책은 보행자를위한 교차로의 중간에 불필요하게 제동되어 혼란스럽고 잠재적으로 위험한 결과를 초래합니다. 직관적 으로이 인스턴스의 해결책은 두 가지 행동의 균형을 맞추고, 필요한 경우 브레이크를 할 수 있도록 속도를 늦추려고하지만, 가능성이 거의 없다는 지나치게 보수적 인 가정을하지는 않습니다. 이 논문은 여러 예측이있을 때 계획의 문제를 표현할 수있는 형식주의를 제시한다. 확률 론적 예측부터 시작하여, 우리는 예상되는 보상을 극대화하는 곤란을 채택 할 수 있습니다 [7]. 그러나 충돌과 같은 부정적인 이벤트는 낙담하지만 금지되지 않기 때문에 안전한 응용에 불충분합니다. 이 단점은 제약 조건을 제제에 직접 통합하여 해결할 수 있습니다 [8]. 그러나 D. Isele, F.Tariq, g. Yeh, A.Singh 및 S. Bae는 미국 Honda Research Institute와 함께 있습니다. {Disele, Faizan Tariq, Zheng-Hang Yeh, Avinash Singh, sbae}@honda–ri.com. A. A ~ 미국 Honda Research Institute에서 작업을 수행했습니다. Alex.miranyon@gmail.com 그림 1. 예시 예 : 교차로의 보행자는 똑바로 걷거나 우회전 할 의도가 있습니다. 자아 차량 (이미지의 중심에서)은 보행자의 잠재적 행동이 예를 들어 충분히 느려짐에 따라 계획을 반영해야합니다.
이 논문은 arXiv에서 제공되는 자료를 바탕으로 업로드되었습니다.
본 논문은 공개된 학술 자료이며, 원문은 arXiv에서 확인할 수 있습니다.
출처: arXiv – 과학 및 기술 연구자들을 위한 무료 논문 저장소.
이 논문은
학술 연구 목적으로 제공되며, 원문은 arXiv에서 다운로드할 수 있습니다.
더 많은 최신 논문을 보려면 arXiv를 방문하세요!
