LUCIDGames Методика планирования адаптивных траекторий для автономных транспортных средств

пользователя Ingrid Fadelli. Tech Xplore

В то время как многие беспилотные автомобили достигли выдающихся результатов при моделировании или начальных испытаниях, при испытаниях на реальных улицах они часто не могут адаптировать свои траектории или движения на основе траекторий других транспортных средств или агентов в их окружении. Это особенно верно в ситуациях, требующих определенной степени переговоров, например, на перекрестках или на улицах с несколькими полосами движения.

Исследователи из Стэнфордского уNiva недавно создали LUCIDGames, вычислительную технику, которая может предсказывать и планировать адаптивные траектории для автономных транспортных средств. Этот метод, представленный в статье, предварительно опубликованной на arXiv, объединяет алгоритм, основанный на теории игр, и метод оценки.

lucidgames, методика, траектория, автономный, средства

«Вслед за достижениями в технологии самоуправления, которые произошли за последние несколько лет, мы заметили, что некоторые маневры при вождении, такие как поворот налево на незащищенном перекрестке, смена полосы движения или выезд на переполненное шоссе, по-прежнему могут быть сложными для самостоятельного управления. водить машины, в то время как люди могут легко их убить ». сказал TechXplore Саймон Ле Клиак, один из исследователей, проводивших исследование. «Мы считаем, что эти взаимодействия включают значительную часть переговоров между беспилотным транспортным средством и автомобилями в его окрестностях».

Люди, как правило, способны определять цели других водителей, управляющих транспортными средствами в их окрестностях, и согласовывать решения, например, кто ходит первым на данном перекрестке. В своем исследовании Ле Клиак и его коллеги попытались воспроизвести эту способность и сложное поведение, лежащее в ее основе, в автономных автомобилях. Их общая цель состояла в том, чтобы позволить беспилотным автомобилям определять цели других транспортных средств в их окружении, чтобы планировать более подходящие траектории в сценариях, предполагающих некоторую степень переговоров.

READ  Химчистка Салона Автомобиля Своими Руками Средства

«Наша работа объединяет два основных инструмента: алгоритм, основанный на теории игр, и метод оценивания». сказал Ле Клиак. «Компонент, основанный на теории игр, позволяет беспилотному автомобилю рассуждать о взаимодействиях с другими агентами (транспортными средствами, пешеходами, велосипедистами и т. Д.), Когда их цели могут не полностью совпадать с его собственными целями. С другой стороны, часть оценки рука, позволяет беспилотному транспортному средству быстро обнаруживать основные цели других агентов при взаимодействии с ними, которые могут быть, например, желаемой скоростью, желаемой полосой движения или уровнем агрессивности каждого транспортного средства, взаимодействующего с беспилотным автомобилем. "

LUCIDGames, методика, предложенная Ле Клиаком и его коллегами, предназначена для предоставления беспилотным транспортным средствам возможности быстро определять цели как автомобилей, так и пешеходов в их окрестностях. Это позволяет им прогнозировать, что эти агенты будут делать в будущем, и безопасно работать с ними даже в сложных сценариях.

Система, созданная исследователями, состоит из «оценщика», метода определения целей водителей, и «лица, принимающего решения», алгоритма, который контролирует угол поворота рулевого колеса и ускорение беспилотного транспортного средства. Лицо, принимающее решение, определяет наиболее подходящие траектории для транспортного средства на основе информации, собранной оценщиком.

«Первоначально беспилотный автомобиль не знает целей автомобилей, движущихся рядом с ним, поэтому оценщик делает предположения о целях автомобилей». Ле Клеак объяснил. «Для каждого предположения автономный автомобиль предсказывает, какой будет траектория движения автомобилей на следующие несколько секунд; затем он сравNiva предсказания с тем, что произошло в действительности. Предположение, которое было наиболее точным в предсказании будущего, сохраняется».

READ  Baidu демонстрирует новейший автономный автомобиль без водителя

После этого начального обучения LUCIDGames производит выборку новых предположений о траекториях других агентов, которые очень близки к сохраNiva предположениям, и оцеNiva их возможности прогнозирования. Повторяя этот процесс несколько раз в секунду, он уточняет свое предположение и дает окончательный прогноз того, как будут двигаться другие агенты в его окружении.

«С нашей техникой беспилотный автомобиль также знает, когда он может быть уверен в своей догадке, а когда слишком много неопределенности и уверенность ниже». сказал Ле Клеак. «В этих неопределенных ситуациях он будет предпринимать более осторожные действия и выдерживать большее безопасное расстояние от других транспортных средств».

Компонент оценки в методе, разработанном Ле Клиаком и его коллегами, также позволяет беспилотным автомобилям адаптировать свои решения в зависимости от типа водителя, с которым они сталкиваются на улице. Например, он может определять, является ли водитель особенно агрессивным, позволяя компоненту принятия решений соответствующим образом адаптировать траектории и движения автономного автомобиля (например, сохраняя большие безопасные расстояния с транспортным средством, которым управляет агрессивный водитель). Без этого метода оценки беспилотный автомобиль двигался бы одинаково и выполнял бы одни и те же действия независимо от того, осторожны или агрессивны водители в его окружении, что может увеличить риск аварий.

READ  Когда случаются аварии, люди обвиняют автоматизированную систему транспортного средства больше, чем его водителя

«Мы увидели, что объединение концепций теории игр и оценки было эффективным способом создания сложных моделей поведения при вождении беспилотного автомобиля в сценариях, где взаимодействие и переговоры с другими водителями являются ключевыми». сказал Ле Клиак. «Наш алгоритм мог выполнять оценку и принимать решения для беспилотного автомобиля на реалистичных сценариях вождения со скоростью, которая была достаточно быстрой, чтобы применить его на практике».

В будущем LUCIDGames может помочь повысить безопасность и надежность беспилотных транспортных средств, позволяя им перемещаться адаптивно, прогнозируя движения и действия агентов в их окружении. До сих пор Ле Клиак и его коллеги оцеNiva эту технику только на моделировании, но теперь они планируют протестировать ее на реальных автономных автомобилях.

«Наше исследование частично финансируется Toyota Research Institute (TRI), и мы планируем работать с TRI, чтобы протестировать LUCIDGames на их автомобилях». сказал Ле Клеак. «Наша лаборатория (Лаборатория систем мульти-роботов в Стэнфорде) уже экспериментирует с теоретико-игровыми взаимодействиями между транспортными средствами на небольших моделях автомобилей и на полномасштабных беспилотных автомобилях, сотрудничая с Центром автомобильных исследований в Стэнфорде. (ЛЕГКОВЫЕ АВТОМОБИЛИ)."

Источник