[논문 리뷰] Joint Belief and Intent Prediction for Collision Avoidance in Autonomous Vehicles

Alan J. Hamlet, Carl D. Crane|arXiv (Cornell University)|2015. 03. 31.

Autonomous Vehicle Technology and Safety참고 문헌 12인용 수 3

한 줄 요약

이 논문은 도시 교차로에서 장애물 차량의 의도와 믿음을 동적 베이지안 네트워크와 입자 필터링을 사용하여 동시에 추론하는 인지 주행 프레임워크를 제안한다. 의도뿐 아니라 잠재적으로 잘못된 믿음까지 모델링함으로써, 시스템은 충돌을 98퍼센트의 비율로 예측할 수 있었으며, 이는 충돌을 회피하기만 하는 반응형 계획자(47퍼센트 회피)보다 뚜렷이 뛰어난 성능을 보였다.

ABSTRACT

This paper describes a novel method for allowing an autonomous ground vehicle to predict the intent of other agents in an urban environment. This method, termed the cognitive driving framework, models both the intent and the potentially false beliefs of an obstacle vehicle. By modeling the relationships between these variables as a dynamic Bayesian network, filtering can be performed to calculate the intent of the obstacle vehicle as well as its belief about the environment. This joint knowledge can be exploited to plan safer and more efficient trajectories when navigating in an urban environment. Simulation results are presented that demonstrate the ability of the proposed method to calculate the intent of obstacle vehicles as an autonomous vehicle navigates a road intersection such that preventative maneuvers can be taken to avoid imminent collisions.

연구 동기 및 목표

• 장애물의 의도뿐 아니라 환경에 대한 잠재적인 잘못된 믿음까지 모델링하여 자율주행차의 충돌 회피 성능을 향상시키기 위해.
• 반응형 계획 및 의도 전용 예측 방법의 한계를 해결하기 위해, 다이나믹한 교통 상황에서 믿음 기반 의사결정을 고려하지 못하는 문제를 해결하기 위해.
• 비선형이고 연속 상태 추론 프레임워크를 사용해 의도와 믿음을 동시에 추정함으로써 충돌 조기 예측을 가능하게 하기 위해.
• 가짜 믿음을 모델링할 경우 복잡한 도시 환경에서 더 안전하고 효율적인 경로 계획이 가능해진다는 것을 입증하기 위해.
• 확률적 장애물 행동과 센서 노이즈가 존재하는 현실적인 교차로 주행 시나리오에서 방법의 타당성을 검증하기 위해.

제안 방법

• 시스템은 동적 베이지안 네트워크(Dynamic Bayesian Network, DBN)를 사용해 자율주행차와 장애물 차량의 공동 상태를 모델링하며, 상태 전이가 의도와 믿음에 따라 달라진다.
• 차량 운동은 상태, 제어 입력, 공정 노이즈의 비선형 함수로 표현되며, 자율주행차의 제어는 알려진 상태와 의도에 기반한다.
• 장애물 차량의 제어는 자체 상태, 자율주행차에 대한 믿음, 그리고 의도에 따라 함수화되며, 믿음 기반 행동을 반영한다.
• 입자 필터를 사용해 DBN에 대해 비선형 필터링을 수행함으로써 의도와 믿음의 사후 분포를 동시에 추정한다.
• 믿음 상태는 자율주행차의 위치에 대한 노이즈 있는 추정치로 모델링되며, 가림이나 인지 오류를 반영한다.
• 각 의도(예: 좌회전, 직진)에 대해 수작업으로 튜닝된 경로 추종 제어기와 함께 유한 상태 기계를 사용하며, 양보 또는 진행 여부에 대한 확률적 의사결정 모델을 통합한다.

실험 결과

연구 질문

• RQ1 장애물 차량의 의도와 믿음을 동시에 추론함으로써 자율주행 도시 주행에서 충돌 조기 예측 성능이 향상될 수 있는가?
• RQ2 예를 들어 가용 공간을 잘못 평가하거나 도래하는 교통을 간과하는 등의 잘못된 믿음을 모델링할 경우, 충돌 회피 성능에 어떤 영향을 미치는가?
• RQ3 제안된 인지 주행 프레임워크는 순수하게 반응형 계획 방식보다 충돌 회피 비율 측면에서 어느 정도 뛰어나게 되는가?
• RQ4 비선형이고 연속적인 차량 운동 환경에서 입자 필터링은 의도와 믿음의 공동 사후 분포 추정에 얼마나 효과적인가?
• RQ5 센서 노이즈와 지연된 인지의 믿음 추정 정확도 및 이후 충돌 회피 성능에 어떤 영향을 미치는가?

주요 결과

• 인지 주행 프레임워크는 시뮬레이션에서 98퍼센트의 임박한 충돌을 성공적으로 예측했으며, 순수하게 반응형 계획자에 비해 47퍼센트에 그친다.
• 진짜로 임박한 충돌 상황 417건을 모두 탐지했으며(100퍼센트 재현율), 장애물 차량의 마지막 순간 브레이킹으로 인한 13건의 가짜 경고 외에는 전부 정확했다.
• CDF는 반응형 계획 대비 충돌 발생 빈도를 75퍼센트 감소시켜 뚜렷한 안전성 향상을 입증했다.
• 입자 필터는 비선형이고 연속 상태 공간에서 의도와 믿음의 공동 사후 분포 추정에 효과적으로 작용하여 정확한 장기 예측을 가능하게 했다.
• 장애물 차량이 환경에 대해 잘못된 믿음을 가진 상황에서도 자율주행차는 충돌을 방지할 수 있도록 충분히 이른 시점에 방지 브레이킹을 시작할 수 있었다.
• 센서 노이즈와 확률적 장애물 행동(예: 좌회전 가능성 75퍼센트)이 존재하는 현실적인 조건에서도 프레임워크의 성능은 뛰어난 안정성을 보였다.