[论文解读] Safe Trajectory Generation for Complex Urban Environments Using Spatio-temporal Semantic Corridor

Wenchao Ding, Lu Zhang+2 more|arXiv (Cornell University)|Jun 24, 2019

Robotic Path Planning Algorithms参考文献 20被引用 5

一句话总结

本文提出了一种统一的时空语义走廊（SSC）框架，用于在复杂城市环境中实现安全轨迹生成。通过将动态代理、交通信号灯和限速等多样化语义元素建模为时空域中的连通无碰撞立方体，该方法利用分段贝塞尔曲线将轨迹优化表述为凸二次规划问题，从而在所有语义约束组合下均提供理论上的安全性和可行性保证。

ABSTRACT

Planning safe trajectories for autonomous vehicles in complex urban environments is challenging since there are numerous semantic elements (such as dynamic agents, traffic lights and speed limits) to consider. These semantic elements may have different mathematical descriptions such as obstacle, constraint and cost. It is non-trivial to tune the effects from different combinations of semantic elements for a stable and generalizable behavior. In this paper, we propose a novel unified spatio-temporal semantic corridor (SSC) structure, which provides a level of abstraction for different types of semantic elements. The SSC consists of a series of mutually connected collision-free cubes with dynamical constraints posed by the semantic elements in the spatio-temporal domain. The trajectory generation problem then boils down to a general quadratic programming (QP) formulation. Thanks to the unified SSC representation, our framework can generalize to any combination of semantic elements. Moreover, our formulation provides a theoretical guarantee that the entire trajectory is safe and constraint-satisfied, by using the convex hull and hodograph properties of piecewise Bezier curve parameterization. We also release the code of our method to accommodate benchmarking.

研究动机与目标

• 解决在自动驾驶车辆轨迹规划中整合多样化语义元素（如交通信号灯、限速、动态代理）的挑战。
• 克服现有方法仅在采样点检查约束的局限性，这些方法可能遗漏采样点之间的不可行段。
• 提供一种可泛化的统一语义元素表示方法，支持任意组合而无需重新调参。
• 确保整个轨迹的理论安全性与约束满足，而不仅限于离散点。
• 在具有动态交互和约束的复杂城市仿真环境中，实现实时、高性能的轨迹生成。

提出的方法

• 引入一种时空语义走廊（SSC）作为统一抽象，将语义元素表示为时空域中连通且无碰撞的立方体。
• 采用动态SSC生成过程，将立方体拆分并关联至特定语义约束（如限速、停车标志）。
• 在SSC内将轨迹生成表述为凸二次规划（QP）问题，以优化平滑性、安全性与约束遵循性。
• 利用分段贝塞尔曲线的凸包性质与速度图（hodograph）特性，数学上保证整个轨迹始终位于SSC内并满足动力学约束。
• 在多智能体城市仿真平台中实现该框架，具备实时处理能力。
• 发布开源代码，以支持基准测试与可复现性。

实验结果

研究问题

• RQ1 如何以统一且可泛化的形式表示城市环境中多样化的语义元素，以支持轨迹规划？
• RQ2 是否存在一种轨迹生成方法，能够保证整个轨迹的安全性与可行性，而不仅限于采样点？
• RQ3 在与多个智能体及约束发生复杂动态交互时，基于SSC的QP公式化方法表现如何？
• RQ4 与离散的格点方法相比，SSC表示在轨迹平滑性、安全性与计算效率方面有何性能提升？
• RQ5 该方法能否同时处理高速避撞、高进入速度下的精确停车以及严格限速？

主要发现

• 所提出的SSC框架能够针对包括动态代理、交通信号灯和限速在内的任意语义元素组合，实现安全且可行的轨迹生成。
• 在复杂环境中，该方法比基线方法[18]提前14秒到达红灯，且在动力学限制内实现了更平滑的加速度曲线。
• 在13 m/s的进入速度下，该方法实现了精确停车，严格遵守最大减速度限制，避免了基线方法在使用动态目标状态计算时出现的滚动不稳定性。
• 在4 m/s的限速条件下，该方法在整个轨迹中成功执行了约束，展示了在低速场景下的鲁棒性。
• SSC表示在可行性与平滑性方面优于基线方法，尤其在障碍物密集环境中，基线方法中大量轨迹基元变得不可行。
• 开源实现支持可复现性与基准测试，为自动驾驶车辆轨迹规划的未来发展提供支持。