不確定性和可見度有限的自動駕駛運動計劃

FZI信息技術研究中心的研究人員開發了一種新方法，可以改善不確定環境或可見度有限的情況下自動駕駛汽車的運動計劃。他們的論文預先發表在arXiv上，概述了一種在給定場景的最壞情況下避免碰撞的技術。

研究人員在論文中寫道：“在城市環境和惡劣條件下進行自動駕駛既具有挑戰性，又處于研究的前沿。” “不利的天氣和光照條件會帶來更高的不確定性和有限的接收范圍，從而導致感知質量下降。”

研究人員描述的挑戰在城市環境中可能具有更大的相關性，在這些環境中，突發事件使人們更難以預測某種情況的結果。為了解決這些困難，過去的研究試圖開發用于自動車輛的尖端感知系統。

但是，即使是配備了最新傳感器和技術的這些系統中最先進的系統，也常常難以應對不確定性，從而僅降低了碰撞的風險。為了解決這個問題，FZI的研究人員專注于在有遮擋的不確定環境中進行運動計劃。

研究人員解釋說：“在本文中，我們分析了自動駕駛汽車的不確定性。” “我們針對接收場有限的車輛研究了各種具有挑戰性的交通狀況。”

在研究了運動計劃者需要考慮從不可見區域接近的車輛的條件之后，研究人員設計了一種方法來快速檢測不合規行為。他們的方法在某種程度上模仿了人類駕駛員通常接近交叉路口的方式，因此要更加謹慎并以較低的速度行駛。

研究人員寫道：“我們提出了一種在給定場景的最壞情況下不發生碰撞的方法。” “我們定義了衡量碰撞可用邊際的標準，同時考慮了可見性和交互作用，因此將應用這些標準的條件整合到基于優化的運動計劃器中。”

研究人員在一個閉環仿真環境中評估了他們的方法，發現該方法在幾種不同的城市場景中都能很好地推廣。他們的方法現已集成到稱為BERTHAONE的自動車輛中。

研究人員寫道：“我們未來的工作將處理更復雜的情況，在這種情況下，可以使用多種路線和機動選項，例如換道。”