[论文解读] On Infusing Reachability-Based Safety Assurance within Probabilistic Planning Frameworks for Human-Robot Vehicle Interactions

Karen Ka Yan Leung, Edward Schmerling+4 more|arXiv (Cornell University)|Dec 29, 2018

Autonomous Vehicle Technology and Safety被引用 8

一句话总结

本文提出了一种最小干预的安全控制器，将哈密顿-雅可比可达性分析集成到自动驾驶车辆在人机共驾场景下的概率规划框架中。通过以100Hz的频率将规划器的轨迹投影到一组保持安全的控制输入上，该控制器确保始终可执行无碰撞的逃逸机动，从而在人类驾驶员行为不可预测或具有攻击性时仍能实现平稳、安全的响应，同时尽可能保持规划器的原始轨迹。

ABSTRACT

Action anticipation, intent prediction, and proactive behavior are all desirable characteristics for autonomous driving policies in interactive scenarios. Paramount, however, is ensuring safety on the road --- a key challenge in doing so is accounting for uncertainty in human driver actions without unduly impacting planner performance. This paper introduces a minimally-interventional safety controller operating within an autonomous vehicle control stack with the role of ensuring collision-free interaction with an externally controlled (e.g., human-driven) counterpart. We leverage reachability analysis to construct a real-time (100Hz) controller that serves the dual role of (1) tracking an input trajectory from a higher-level planning algorithm using model predictive control, and (2) assuring safety through maintaining the availability of a collision-free escape maneuver as a persistent constraint regardless of whatever future actions the other car takes. A full-scale steer-by-wire platform is used to conduct traffic weaving experiments wherein the two cars, initially side-by-side, must swap lanes in a limited amount of time and distance, emulating cars merging onto/off of a highway. We demonstrate that, with our control stack, the autonomous vehicle is able to avoid collision even when the other car defies the planner's expectations and takes dangerous actions, either carelessly or with the intent to collide, and otherwise deviates minimally from the planned trajectory to the extent required to maintain safety.

研究动机与目标

• 为解决在不确定性条件下确保自动驾驶车辆与人类驾驶车辆交互时的安全性挑战，特别是当高层规划器无法对突发威胁做出足够快速反应时。
• 开发一种安全控制器，可在不干扰规划器原始轨迹的前提下，嵌入现有控制栈中，最大限度减少不必要的偏离。
• 正式将基于可达性的安全保证作为优化控制框架中的约束条件，而非采用切换控制器的方式。
• 在存在时间与空间约束的现实世界交通交织场景中，评估该方法在侧向并线操作下的性能与鲁棒性。
• 探索如何将可达性分析所得的值函数重新解释为上下文敏感的成本度量，以实现更安全、更精细的碰撞规避。

提出的方法

• 该方法采用向后哈密顿-雅可比（HJ）可达性分析，计算向后可达集（BRS），以定义在双方车辆均采取最优动作时可避免碰撞的状态集合。
• 安全控制器使用模型预测控制（MPC）来跟踪规划器期望的轨迹，同时强制控制输入保持在由BRS导出的安全保持控制集合内。
• 值函数 V(0, x_R) 定义为车辆包围盒之间的最坏情况分离距离或穿入距离，以几何方式编码碰撞严重程度。
• 控制器持续将规划轨迹投影到安全保持控制的可行集内，确保无论未来人类行为如何，始终可执行无碰撞逃逸机动。
• 该框架在全尺寸线控转向平台上实现，并在真实世界交通交织实验中与一辆人类驾驶车辆进行了测试。
• 该方法避免切换至反应式避障控制器；相反，安全作为MPC优化中的持续约束条件被维持。

实验结果

研究问题

• RQ1 如何在不干扰规划器原始行为的前提下，将基于可达性的安全保证正式集成到现有概率规划框架中？
• RQ2 基于HJ可达性的连续安全约束对动态人机交互中轨迹跟踪性能与安全鲁棒性的影响如何？
• RQ3 在人类驾驶员采取激进操作时，所提出的最小干预控制器与切换控制器相比，在平稳性与安全性方面表现如何？
• RQ4 当绝对安全无法实现时，可达性分析所得的值函数是否可重新解释为上下文感知的成本度量，以优先选择较轻度的碰撞？
• RQ5 相对动力学模型的保真度如何影响真实世界测试中基于可达性的安全保证的准确性？

主要发现

• 所提出的控制器即使在人类驾驶车辆直接横穿至自动驾驶车辆路径的情况下，也能成功防止碰撞，展现出在极端不确定性下的强大安全性。
• 自动驾驶车辆以极小的偏离保持了轨迹跟踪，其运动比导致剧烈转向的切换控制器更为平稳。
• 系统以100Hz的频率实时运行，实现了持续的安全保障，无需依赖重规划或反应式切换。
• 值函数 V(0, x_R) 对最坏结果提供了有意义的几何解释，例如30厘米的碰撞穿入深度，从而实现直观的安全评估。
• 仿真与真实世界实验结果高度一致，表明基于可达性的安全机制可被可靠地原型化与部署。
• 该框架可通过将环境障碍物或多智能体纳入值函数或作为额外MPC约束，实现对更多障碍物与多智能体场景的可扩展支持。