教自动驾驶车辆在无保护左转时表达交互意图：一种基于人类驾驶先验的轨迹规划方法
摘要：自主驾驶车辆（AVs）与人驾驶车辆（HVs）在混合交通环境下的和谐共存成为研究的关键焦点。这种共存的一个重要组成部分是AVs能够模仿交通环境中人类的交互意图。为了解决这个问题，我们提出了一个新的AVs的无保护左转路径规划框架，旨在复制人类驾驶模式并促进有效的社交意图传达。我们的框架包括三个阶段：轨迹生成、评估和选择。在生成阶段，我们使用真实的人类驾驶轨迹数据定义了预期轨迹空间的约束条件，生成体现意图表达的候选运动轨迹。评估阶段采用最大熵逆强化学习（ME-IRL）来评估人类轨迹偏好，考虑到交通效率、驾驶舒适度和交互安全等因素。在选择阶段，我们采用基于波尔兹曼分布的方法为候选轨迹分配奖励和概率，从而促进人类般的决策过程。我们使用真实的轨迹数据集对我们提出的框架进行验证，并与几种基准方法进行比较分析。结果表明，我们的框架在人类化程度、意图表达能力和计算效率方面表现出优异的性能。由于文本长度的限制，更多关于这项研究的细节可以在https://shorturl.at/jqu35 找到。
作者：Jiaqi Liu, Xiao Qi, Ying Ni, Jian Sun, Peng Hang
论文ID：2307.15950
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-01