[논문 리뷰] PORCA: Modeling and Planning for Autonomous Driving among Many Pedestrians

Yuanfu Luo, Panpan Cai외 4명|arXiv (Cornell University)|2018. 05. 30.

Autonomous Vehicle Technology and Safety참고 문헌 24인용 수 13

한 줄 요약

이 논문은 밀도가 높은 군중에서 실시간 자율 주행을 위한 POMDP 기반 계획 프레임워크에 통합된 글로벌 항법 의도와 차량 및 다른 보행자와의 국소적 상호작용을 통합하는 보행자 운동 예측 모델인 PORCA를 제안한다. 이 시스템은 1㎡당 1명의 보행자 밀도까지 안전하고 효율적이며 부드럽게 보행자 주변을 주행할 수 있도록 하며, 기준 모델 대비 100% 성공률을 달성하고 주행 시간과 제어 동작 수를 감소시킨다.

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.

연구 동기 및 목표

• 보행자 행동의 불확실성이 높은 밀도가 높은 환경에서 자율 주행 차량이 안전하고 효율적으로 주행할 수 있도록 하는 것.
• 기존 보행자 운동 모델의 한계, 특히 정지 보행자 문제와 보행자-차량 상호작용의 비대칭성 문제를 해결하는 것.
• 실시간으로 불확실한 보행자 의도와 동적인 국소적 상호작용을 고려한 계획 시스템을 개발하는 것.
• 복잡하고 혼잡한 상황에서 운동 예측 정확도와 차량 제어의 부드러움을 향상시키는 것.

제안 방법

• PORCA를 제안하며, ORCA의 목적 함수를 수정하여 정지 행동을 줄이고, 차량 근처의 보행자에게 더 큰 충돌 회피 책임을 부여한다.
• POMDP 프레임워크 내에서 보행자 의도를 은닉 변수로 모델링하며, PORCA를 상태 전이 함수에 통합하여 불확실성 하에서의 운동 예측을 수행한다.
• DESPOPT 알고리즘의 병렬 구현을 사용하여 POMDP를 효율적으로 해결하며, 보행자 의도에 대한 믿음과 믿음 트리 내의 블랙풋을 유지한다.
• 센서 데이터(LIDAR, IMU, 휠 인코더)를 활용하여 실시간 보행자 탐지, 추적 및 차량 위치 추정을 위한 적응형 몬테카를로 국소화를 수행한다.
• ROS 기반 로봇 스쿠터 플랫폼에 시스템을 구현하며, 최대 속도 1m/s에서 실시간 계획 및 제어를 수행한다.
• 캠퍼스 플라자에서 높은 보행자 밀도를 가진 실제 환경에서 시스템을 검증한다.

실험 결과

연구 질문

• RQ1 의도가 관측 불가능하고 상호작용이 복잡할 경우 보행자 운동을 어떻게 정확하게 예측할 수 있는가?
• RQ2 POMDP 기반 계획자가 자율 주행 중 보행자 의도와 상호작용의 불확실성을 효과적으로 다룰 수 있는가?
• RQ3 의도 인식 및 상호작용 인식 기반의 운동 모델링을 통합함으로써 밀도가 높은 군중에서의 안전성, 효율성, 부드러움이 향상되는가?
• RQ4 PORCA는 ORCA 및 기타 운동 모델 대비 정지 행동을 줄이고 주행 성능을 향상시키는 데 얼마나 효과적인가?

주요 결과

• POMDP-PORCA 계획자는 모든 시험 케이스에서 100% 성공률를 기록하며, Reactive-Controller 및 POMDP-Pref-Vel 등의 기준 모델을 능가했다.
• 시나리오 1에서 POMDP-PORCA는 평균 주행 시간을 24.19초로 단축시켰으며, Reactive-Controller의 75.72초 대비 뚜렷한 개선을 보였다. 동시에 충돌을 완전히 제거했다.
• POMDP-PORCA는 시도당 가속/감속 동작 수를 45.1로 줄였으며, POMDP-Pref-Vel의 141.4 및 Reactive-Controller의 128.8보다 유의미하게 낮췄다.
• 모든 실제 시험에서 1㎡당 거의 1명의 보행자 밀도를 가진 군중 속에서도 충돌 없이 안정적으로 주행에 성공했다.
• PORCA는 이전 모델 대비 운동 예측 정확도를 향상시켜 차량이 멈추지 않고 앞서 나가며 자신감 있게 주행할 수 있도록 하여 더 부드럽고 효율적인 주행을 가능하게 했다.
• PORCA와 POMDP 계획의 통합을 통해 차량이 자신의 의도를 명확히 전달함으로써 보행자들이 양보하게 만들었으며, 이로 인해 ORCA 기반 시스템에서 관찰되던 정지 문제를 방지했다.