[论文解读] Autonomous Vehicle Speed Control for Safe Navigation of Occluded Pedestrian Crosswalk

Sarah M. Thornton|arXiv (Cornell University)|Feb 18, 2018

Autonomous Vehicle Technology and Safety参考文献 1被引用 7

一句话总结

本文提出了一种基于部分可观察马尔可夫决策过程（POMDP）的自动驾驶车辆速度控制策略，用于在存在遮挡的行人横道上行驶，其中传感器限制导致对隐藏行人的不确定性。通过使用QMDP近似方法，该方法根据二维占用网格中不可观测的栅格数量动态调节车速，在不确定场景下的安全性显著优于基线方法和最优方法。

ABSTRACT

Both humans and the sensors on an autonomous vehicle have limited sensing capabilities. When these limitations coincide with scenarios involving vulnerable road users, it becomes important to account for these limitations in the motion planner. For the scenario of an occluded pedestrian crosswalk, the speed of the approaching vehicle should be a function of the amount of uncertainty on the roadway. In this work, the longitudinal controller is formulated as a partially observable Markov decision process and dynamic programming is used to compute the control policy. The control policy scales the speed profile to be used by a model predictive steering controller.

研究动机与目标

• 解决自动驾驶车辆在因传感器限制而隐藏脆弱道路使用者的遮挡行人横道中导航的安全挑战。
• 考虑大型车辆遮挡导致的行人存在性不确定性，而传统规划器可能无法安全处理此类情况。
• 开发一种实时、自适应的速度控制策略，根据环境不确定性动态调节车速，以防止不安全操作。
• 通过在部分可观察性下引入基于信念的决策机制，超越基线和最优方法。
• 实现在无需绕行遮挡物完整路径规划的前提下，实现更安全、更保守的环境导航。

提出的方法

• 将纵向速度控制问题建模为POMDP，其中状态包括行人存在性和遮挡状态。
• 使用二维占用网格表示环境，采用三值表示：被占用、未被占用或不可观测（因遮挡）。
• 将不可观测栅格的数量作为影响控制策略的关键不确定性度量。
• 应用QMDP（Q值消息传递）近似方法高效求解POMDP，降低计算复杂度。
• 将POMDP推导出的速度调节因子集成到模型预测控制（MPC）框架中，实现实时轨迹跟踪。
• 使用集中式轴模型模拟车辆动力学，并在包含隐藏与暴露行人的多种场景下验证性能。

实验结果

研究问题

• RQ1 当因遮挡导致行人存在性不确定时，自动驾驶车辆如何安全地通过横道？
• RQ2 何种控制策略能够根据传感器观测中的实时不确定性动态调节车速？
• RQ3 在遮挡条件下，基于POMDP的方法与最优方法和基线方法在安全性与机动性方面有何比较？
• RQ4 QMDP近似能否为实时自动驾驶车辆控制中的POMDP问题提供可计算的解决方案？
• RQ5 不可观测栅格的数量在遮挡导航过程中对保守速度决策起何种作用？

主要发现

• 基于POMDP的策略成功通过了遮挡横道场景，尽管与基线和最优方法相比，其速度波动更大且行进更慢。
• 采用POMDP策略的车辆几乎勉强绕过了遮挡车辆，表明在不确定性下表现出谨慎但有效的行为。
• 在该操作过程中，不可观测栅格数量显著增加，峰值达到4,000，反映出环境中的高度不确定性。
• 基线方法因能早期检测行人，实现了更平稳的速度过渡，并成功在横道前停下，其速度调节性能优于POMDP方法。
• 最优方法因具备完美感知能力，实现了最优性能，保持了稳定的速度和精确的停车，作为性能基准。
• POMDP策略表明，基于信念的控制能够处理不确定性，但其观测模型仍需进一步优化以提升鲁棒性。