[논문 리뷰] An Integrated Framework of Decision Making and Motion Planning for Autonomous Vehicles Considering Social Behaviors

Peng Hang, Chen Lv외 4명|arXiv (Cornell University)|2020. 05. 22.

Traffic control and management참고 문헌 35인용 수 4

한 줄 요약

이 논문은 자율주행차를 위한 통합된 의사결정 및 운동 계획 프레임워크를 제안하며, 스택엘베르크 게임 이론과 포텐셜 필드를 사용하여 주변 교통 참가자의 사회적 행동을 모델링한다. 비협력 게임 이론과 모델 예측 제어(MPC)를 결합함으로써 다양한 사회적 상호작용 시나리오에서 안전하고 적응형 차선 변경을 가능하게 하며, 세 가지 검증 시나리오에서 의사결정 및 궤적 계획 정확도 향상으로 효과를 입증한다.

ABSTRACT

This paper presents a novel integrated approach to deal with the decision making and motion planning for lane-change maneuvers of autonomous vehicle (AV) considering social behaviors of surrounding traffic occupants. Reflected by driving styles and intentions of surrounding vehicles, the social behaviors are taken into consideration during the modelling process. Then, the Stackelberg Game theory is applied to solve the decision-making, which is formulated as a non-cooperative game problem. Besides, potential field is adopted in the motion planning model, which uses different potential functions to describe surrounding vehicles with different behaviors and road constrains. Then, Model Predictive Control (MPC) is utilized to predict the state and trajectory of the autonomous vehicle. Finally, the decision-making and motion planning is then integrated into a constrained multi-objective optimization problem. Three testing scenarios considering different social behaviors of surrounding vehicles are carried out to validate the performance of the proposed approach. Testing results show that the integrated approach is able to address different social interactions with other traffic participants, and make proper and safe decisions and planning for autonomous vehicles, demonstrating its feasibility and effectiveness.

연구 동기 및 목표

• 주변 교통 참가자 간의 사회적 상호작용을 모델링하여 자율주행차의 안전하고 효과적인 차선 변경 운행에 도전 과제를 해결한다.
• 다양한 운전 스타일과 의도를 반영한 통합된 프레임워크로 의사결정 및 운동 계획을 통합한다.
• 제약 조건이 있는 다목적 최적화 접근법을 통해 복잡한 교통 환경에서 자율주행차의 적응성과 안전성을 향상시킨다.
• 다양한 주변 교통 참가자의 사회적 행동을 반영한 현실적인 시나리오에서 프레임워크를 검증한다.

제안 방법

• 자율주행차와 주변 교통 간의 전략적 상호작용을 모델링하기 위해 의사결정 과정을 비협력적 스택엘베르크 게임 문제로 수립한다.
• 운동 계획에서 주변 차량과 도로 제약 조건을 표현하기 위해 행동별 함수를 갖춘 포텐셜 필드를 활용한다.
• 자율주행차의 향후 상태와 궤적을 유한한 수평선 내에서 예측하기 위해 모델 예측 제어(MPC)를 사용한다.
• 일致성과 안전성을 확보하기 위해 의사결정 및 운동 계획을 하나의 제약 조건이 있는 다목적 최적화 문제로 통합한다.
• 다양한 사회적 행동(예: 공격적, 경계심 있는)을 반영하기 위해 서로 다른 포텐셜 함수를 사용한다.
• 다양한 사회적 상호작용 패턴을 반영한 세 가지 테스트 시나리오를 사용하여 프레임워크의 성능과 강건성을 평가한다.

실험 결과

연구 질문

• RQ1 주변 차량의 사회적 행동을 효과적으로 모델링하여 자율주행 차선 변경에서의 의사결정을 향상시키는 방법은 무엇인가?
• RQ2 의사결정 및 운동 계획을 통합함으로써 자율주행차의 안전성과 적응성에 미치는 영향은 무엇인가?
• RQ3 제안된 프레임워크는 다양한 운전 스타일과 주변 교통 참가자의 의도를 어떻게 처리하는가?
• RQ4 통합된 접근법은 다양한 현실적인 교통 상호작용 시나리오에서 안전성과 성능을 유지할 수 있는가?
• RQ5 스택엘베르크 게임 이론은 불확실성 하에서 전략적 의사결정을 가능하게 하는 데 어떤 역할을 하는가?

주요 결과

• 통합 프레임워크는 차선 변경 운행 중 협력적 및 경쟁적 행동을 포함한 다양한 사회적 상호작용 패턴을 성공적으로 처리한다.
• 스택엘베르크 게임 이론의 적용으로 자율주행차는 주변 차량의 의도를 전략적으로 예측하고 반응할 수 있다.
• 모델 예측 제어(MPC)는 동적 조건 하에서도 정확한 궤적 예측과 실시간 적응성을 보장한다.
• 모든 세 가지 테스트 시나리오에서 안전성과 의사결정 품질이 향상되었으며, 충돌이나 안전하지 않은 운행이 관찰되지 않았다.
• 행동별 포텐셜 필드의 통합은 환경 모델에 다양한 사회적 행동을 반영함으로써 운동 계획의 강건성을 향상시킨다.
• 제약 조건이 있는 다목적 최적화 수식은 의사결정 및 운동 계획 구성 요소 간 일관성 있고 실현 가능한 해를 보장한다.