MARC：多策略和风险感知的自主驾驶备选计划
摘要：在密集、动态的环境中生成安全且非保守的行为对自动驾驶车辆仍然具有挑战性，这是由于交通参与者行为的随机性以及它们与自车之间的隐式交互所导致的。本文提出了一种新的规划框架Multipolicy And Risk-aware Contingency planning (MARC)，该框架通过增强基于多策略的行为规划和运动规划管道，系统地解决这些挑战。具体而言，MARC通过实现一个关键情景集合，反映了基于每个语义级自车策略的多个可能未来。然后，生成的策略相关情景进一步通过动态分叉点基于场景级分歧来形成树状结构表示。此外，为了生成多样化的驾驶操纵，我们引入了一种风险感知的应急规划方法，这是一种双层优化算法，同时考虑多种未来情景和用户定义的风险容忍水平。由于行为规划和运动规划层之间更统一的组合，我们的框架实现了高效的决策和人类化的驾驶操纵。 综合实验结果表明，在各种环境中，我们的框架表现出优于其他强基线的性能。
作者：Tong Li, Lu Zhang, Sikang Liu, Shaojie Shen
论文ID：2308.12021
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-24