[論文レビュー] PORCA: Modeling and Planning for Autonomous Driving among Many Pedestrians

Yuanfu Luo, Panpan Cai+4 more|arXiv (Cornell University)|May 30, 2018

Autonomous Vehicle Technology and Safety参考文献 24被引用数 13

ひとこと要約

本稿では、歩行者のナビゲーション意図と車両・他の歩行者との局所的相互作用を統合し、POMDPに基づく計画フレームワークに埋め込むことで、密集した群衆におけるリアルタイムな自律走行を可能にする歩行者運動予測モデル、PORCAを提案する。本システムは、1m²あたり1人の密度に達する群衆の中でも安全かつ効率的で滑らかなナビゲーションを実現し、ベースラインと比較して100%の成功確率を達成するとともに、移動時間と制御アクションが削減された。

ABSTRACT

This paper presents a planning system for autonomous driving among many pedestrians. A key ingredient of our approach is PORCA, a pedestrian motion prediction model that accounts for both a pedestrian's global navigation intention and local interactions with the vehicle and other pedestrians. Unfortunately, the autonomous vehicle does not know the pedestrian's intention a priori and requires a planning algorithm that hedges against the uncertainty in pedestrian intentions. Our planning system combines a POMDP algorithm with the pedestrian motion model and runs in near real time. Experiments show that it enables a robot vehicle to drive safely, efficiently, and smoothly among a crowd with a density of nearly one person per square meter.

研究の動機と目的

• 歩行者の行動に高い不確実性が伴う密集した環境において、自律走行車両が安全かつ効率的にナビゲートできるようにすること。
• 従来の歩行者運動モデルの限界、特に「凍結歩行者問題」と歩行者-車両相互作用の非対称性を解決すること。
• リアルタイムで不確実な歩行者意図と動的で変化する局所的相互作用を考慮した計画システムを開発すること。
• 複雑で混雑した状況における運動予測の精度と車両制御の滑らかさを向上させること。

提案手法

• PORCAを提案する。これはORCAの拡張であり、凍結行動を低減する目的関数の変更と、車両に近い歩行者により高い衝突回避責任を割り当てる。
• POMDPフレームワーク内で歩行者意図を隠れ変数としてモデル化し、状態遷移関数にPORCAを用いて不確実性下での運動予測を実施する。
• DESPOPTアルゴリズムの並列実装を用いてPOMDPを効率的に解き、歩行者意図の信念を維持し、信念木における前方探索を実行する。
• センサデータ（LIDAR、IMU、ホイールエンコーダ）を統合し、適応的モンテカルロ局所化を用いてリアルタイムでの歩行者検出・追跡および車両位置特定を実現する。
• ROSを用いたロボットスケートボードプラットフォームに本システムを実装し、最高速度1m/sでリアルタイム計画と制御を実現する。
• キャンパスプラザにおける高密度の歩行者環境で実世界のシナリオを用いてシステムを検証する。

実験結果

リサーチクエスチョン

• RQ1 意図が観測不能で相互作用が複雑な状況下で、歩行者の運動をどのように正確に予測できるか？
• RQ2 POMDPに基づく計画者が、自律走行中の歩行者意図と相互作用の不確実性を効果的に処理できるか？
• RQ3 意図に配慮したおよび相互作用に配慮した運動モデルの統合により、密集した群衆における安全性、効率性、滑らかさが向上するか？
• RQ4 PORCAは、ORCAや他の運動モデルと比較して、凍結行動をどれほど低減し、ナビゲーション性能をどのように向上させるか？

主な発見

• POMDP-PORCA計画者は、全テストシナリオで100%の成功確率を達成し、Reactive-Controller や POMDP-Pref-Vel といったベースラインを上回った。
• シナリオ1では、POMDP-PORCAが平均移動時間を24.19秒にまで短縮したのに対し、Reactive-Controller は75.72秒に留まり、衝突は完全に回避された。
• POMDP-PORCAは1試行あたりの加速・減速アクション数を45.1にまで削減した。これはPOMDP-Pref-Velの141.4やReactive-Controllerの128.8と比べ顕著に低い。
• 本システムは、1m²あたりほぼ1人の歩行者密度の群衆をすべての実世界試行で衝突なしに通過した。
• PORCAは、先行モデルに比べ運動予測の精度を向上させ、車両が待機せず前進を自信を持って行えるようにし、より滑らかで効率的なナビゲーションを実現した。
• PORCAとPOMDP計画の統合により、車両が自らの意図を示すことができ、歩行者が譲るよう誘導され、ORCAベースのシステムで見られる「凍結問題」を回避した。