[论文解读] PORCA: Modeling and Planning for Autonomous Driving among Many Pedestrians

Yuanfu Luo, Panpan Cai+4 more|arXiv (Cornell University)|May 30, 2018

Autonomous Vehicle Technology and Safety参考文献 24被引用 13

一句话总结

该论文提出PORCA，一种行人运动预测模型，整合了全局导航意图与与车辆及其他行人的局部交互，将其嵌入基于部分可观察马尔可夫决策过程（POMDP）的规划框架中，实现在密集人群中的实时自动驾驶。该系统在行人密度高达每平方米一人时，实现了安全、高效且平稳的导航，成功率100%，相比基线模型，旅行时间与控制动作均有所减少。

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.

研究动机与目标

• 使自动驾驶车辆能够在行人行为具有高度不确定性的密集行人环境中安全且高效地导航。
• 解决现有行人运动模型的局限性，特别是行人“冻结”问题以及行人-车辆交互中的不对称性。
• 开发一种能够实时考虑行人意图不确定性与动态局部交互的规划系统。
• 在复杂拥挤场景中提升运动预测精度与车辆控制的平滑性。

提出的方法

• 提出PORCA，作为ORCA的扩展，通过修改目标函数以减少冻结行为，并将靠近车辆的行人的碰撞规避责任分配得更高。
• 在POMDP框架中将行人意图视为隐变量，利用PORCA作为状态转移函数的一部分，在不确定性下预测运动。
• 采用DESPOPT算法的并行实现，高效求解POMDP，维持对行人意图的信念，并在信念树中进行前瞻搜索。
• 整合传感器数据（激光雷达、IMU、轮速编码器）以实现实时行人检测、跟踪与车辆定位，采用自适应蒙特卡洛定位方法。
• 在机器人滑板车平台上实现该系统，使用ROS进行实时规划与控制，最大速度为1m/s。
• 在校园广场的真实场景中验证系统，该区域行人密度极高。

实验结果

研究问题

• RQ1 当意图不可观测且交互复杂时，如何准确预测行人运动？
• RQ2 基于POMDP的规划器能否有效处理自动驾驶过程中行人意图与交互的不确定性？
• RQ3 在密集人群中，引入意图感知与交互感知的运动建模是否能提升安全性、效率与平滑性？
• RQ4 与ORCA及其他运动模型相比，PORCA在减少冻结行为与提升导航性能方面表现如何？

主要发现

• POMDP-PORCA规划器在所有测试场景中均实现了100%的成功率，优于Reactive-Controller与POMDP-Pref-Vel等基线模型。
• 在场景1中，POMDP-PORCA将平均旅行时间减少至24.19秒，而Reactive-Controller为75.72秒，同时完全消除了碰撞。
• POMDP-PORCA将每轮试验的加速度/减速动作次数减少至45.1次，显著低于POMDP-Pref-Vel的141.4次与Reactive-Controller的128.8次。
• 系统在所有真实世界试验中成功穿越了密度接近每平方米一人的人群，且未发生任何碰撞。
• 与先前模型相比，PORCA提升了运动预测精度，使车辆能够更自信地向前移动而非等待，从而实现更平滑、更高效的导航。
• 将PORCA与POMDP规划相结合，使车辆能够传达其意图，促使行人主动避让，从而避免了ORCA系统中常见的冻结问题。