[论文解读] Self-Driving like a Human driver instead of a Robocar: Personalized comfortable driving experience for autonomous vehicles

Il Bae, Jaeyoung Moon+8 more|arXiv (Cornell University)|Jan 12, 2020

Autonomous Vehicle Technology and Safety参考文献 10被引用 61

一句话总结

本文提出将 Occupant’s Preference Metric (OPM) 定义为形塑横向和纵向加速度与 jerk 的指标，并提出一个集成控制系统，使其实现类似人类驾驶、舒适的自动驾驶，在仿真和实际测试中得到验证。

ABSTRACT

This paper issues an integrated control system of self-driving autonomous vehicles based on the personal driving preference to provide personalized comfortable driving experience to autonomous vehicle users. We propose an Occupant's Preference Metric (OPM) which is defining a preferred lateral and longitudinal acceleration region with maximum allowable jerk for users. Moreover, we propose a vehicle controller based on control parameters enabling integrated lateral and longitudinal control via preference-aware maneuvering of autonomous vehicles. The proposed system not only provides the criteria for the occupant's driving preference, but also provides a personalized autonomous self-driving style like a human driver instead of a Robocar. The simulation and experimental results demonstrated that the proposed system can maneuver the self-driving vehicle like a human driver by tracking the specified criterion of admissible acceleration and jerk.

研究动机与目标

• 促使自动驾驶实现个性化的舒适性，以降低运动致晕并提升用户接受度。
• 定义定量的 Occupant’s Preference Metric (OPM)，捕捉偏好加速度与 jerk 区域。
• 开发一个集成控制系统，实现与 OPM 偏好一致的横向与纵向控制。
• 规划速度与变道机动，在符合 OPM 约束的同时确保安全。
• 通过 Simulink/Carsim 仿真与改装车辆的实路实验验证该方法。

提出的方法

• 将 OPM 定义为五个参数的向量：{a_(+ )x_opm, a_(-)x_opm, |a_y_opm|, |z_x_opm|, |z_y_opm|}，表示纵向加速度、减速度、横向加速度、纵向 jerk 和横向 jerk 的阈值。
• 在 NLP 约束下使用时间最优速度规划方法，在满足 OPM 边界的同时最小化旅行时间。
• 在机动规划中生成曲率连续的变道路径，使其在 OPM 约束下进行。
• 开发一个纵向-横向集成控制器，在保持稳定性的同时跟踪速度规划和参考路径。
• 通过 CAN 接口将转向和油门实现到真实车辆上，并处理领域特定的执行机构。
• 通过 Simulink 和 Carsim 仿真以及在包含城市转弯的 1.3 km 路线的实路实验进行评估。

实验结果

研究问题

• RQ1 如何利用加速度和 jerk 要求来量化自动驾驶中的乘员舒适度？
• RQ2 集成控制器是否能够在实现高效行驶的同时，使自动驾驶车辆保持在乘员定义的加速度/jerk 区域内？
• RQ3 基于偏好感知的规划与控制框架在仿真与真实驾驶中能否产生类人驾驶模式？
• RQ4 OPM 约束控制在曲线道路与交叉口场景中的局限性和性能差距是什么？

主要发现

• OPM 定义了实际的舒适阈值，并在既定极限内实现从保守到激进的驾驶风格。
• 在仿真中，88.3%（OPM #1）和81.4%（OPM #2）的样本满足 OPM 约束，曲线期间存在一定的横向超调。
• 在 OPM 下的变道路径规划和速度优化在仿真中产生了小于 5 cm 的横向距离误差的上界。
• 实路测试显示转弯时横向加速度超调至约 1.93 m/s^2，纵向加速度通常在 OPM 限制内。
• 激进与谨慎 OPM 情景的圈速差异为 122 秒（145 s vs 274 s）。
• 系统展示了类人驾驶的减速–转向–加速模式，验证了人类驾驶体验的自动化概念。