自动道路车辆对概率性障碍物的预测与应急规划111.pdf

智能小车智能避障算法研究(文献翻译) 1 自动道路车辆对概率性障碍物的预测和应急规划 Jason Hardy and Mark Campbell, Member, IEEE 机设104 王立人（译） 摘要：本文提出了一种新颖的优化的路径规划，能够考虑到动态障碍物的未来轨迹的不确定性并计 划多个应变路径。该规划涉及需要与不明意图的其他车辆安全地进行交互，接近的自动道路车辆的 概率防撞的特定问题。本文提出的路径规划采用了一个高效的基于样条曲线的轨迹表达，并且能够 基于快速而准确的碰撞概率界限实时地同时优化多个连续的应变路径。这些碰撞概率边界是足够高 效来满足实时评估，也足够准确，以应用于实际的近距离驾驶，如超越一辆在相邻车道的障碍车辆。 文中也提出了一个障碍物的轨迹聚类算法，使路径规划扩展到多重障碍的情况。仿真结果表明，应 急规划可以在不影响机器人的整体安全性的情况下，相比于规划的单一路径，允许了一个更积极的 驾驶风格。 关键词：人工智能推理方法，避障，应急计划，实用机器人，非完整运动规划 1 引言 如今的自动车辆善于识别障碍和规划路线，在具有完备定义规则的受控环境中进行 [1] 互动，正如在2007 年DARPA 城市挑战赛（DUC ）中展示的那样 。DUC 大赛还展示 出在自主车辆和驾驶人之间在解决问题和决策能力的较大差距。造成这种差距的一个重 [2] 要原因是目前算法无法充分识别，预测和利用障碍物的趋势 。推定障碍物的运动趋势， 比如假设障碍物的目标，使自主车辆预测的动态障碍物的未来运动，那么它可以用来提 高机器人运动规划的安全性和鲁棒性。 在这方面以前的研究为动态避障问题的两个主要部分组成贡献了可能的解决方案： 1）预测未来的障碍物运动及2 ）在动态环境中使用的预测障碍物运动的路径规划。 预测障碍物的未来运动是已经在各种领域和场合探讨过的问题。Kushleyev 和 Likhachev [3]用恒定的速度和恒定曲率动力学模型动态障碍物进行预测。这种方法在计算 [4] 上是有效的，但忽略了潜在的在环境中的有用的结构信息。Miura 和Shirai 使用对环境 的正切曲线图和沿每个潜在路径速度方差的一维模型推断出的障碍物可能的路径。这种 方法利用环境中的结构信息，但过于简化障碍物的运动并形成了过于自信的预测。 Hwang 与Seah[5] 基于可能的飞行计划提出了一种算法来推断其他飞机的意图，并且使 用过程中有界噪声和飞行动作之间过渡动作的概率模型来模型模拟其未来的运动。这种 方法对飞行器有用的，但不是容易适应具有较少的预设动作和更严格的环境限制的道路 车辆。 智能小车智能避障算法研究(文献翻译) 2 非参数的学习方法也被应用到障碍物的预测。Tay 和Laugier[6]基于观察到的训练数 [7] [8] 据利用高斯过程模型模拟多个可能的未来轨迹。Joseph 等人 和Kim 等人 都使用高斯 [9] 过程模型模拟道路车辆的衍生轨迹。 Bennewitz 等人 通过将特定环境中观察到的人类 受试者的运动轨迹集成为标称轨迹，制定了隐马尔可夫模型来预测模式转换。这些非参 数方法可以产生详细的概率轨迹，但它们通常需要为每一个新的环境和障碍物的类型再 调整。 已有许多路径规划策略包含了动态障碍物的预测。动态障碍物呈现出显著的规划上 的挑战，因为它们