Concetti Chiave
불확실성이 존재하는 환경에서 자율 주행 자동차를 위한 모션 플래닝 프레임워크로, 다양한 기동 옵션에 대한 선호도를 가중치로 통합하여 단일 기동 방식에 대한 제약을 없애고 예측 불확실성을 고려한 안전하고 효율적인 경로를 생성합니다.
Sintesi
의사 결정 이론적 MPC: 불확실성 하에서 가중된 기동 선호도를 사용한 모션 플래닝
본 연구는 불확실한 환경 정보 속에서 자율 주행 자동차가 안전하고 편안하게 주행 목표를 달성하기 위한 모션 플래닝 프레임워크를 제시합니다.
본 연구는 기존의 연속 최적화 기반 모션 플래너와 달리 계획된 모션 프로ファイルを 단일 기동 클래스로 제한하지 않는 새로운 모델 예측 제어(MPC) 기반 모션 플래닝 프레임워크를 제안합니다. 이 프레임워크는 여러 기동에 대한 선호도를 최적화 매개변수에 포함시켜 각 기동의 궤적에 가중치를 부여함으로써 여러 기동을 결합합니다.
주요 특징
다중 기동 고려: 단일 기동 방식에 대한 제약 없이 여러 기동 옵션을 동시에 고려하여 불확실성이 높은 상황에서도 유연하고 안전한 주행 경로를 계획합니다.
선호도 기반 가중치: 각 기동에 대한 선호도를 가중치로 반영하여 최적의 모션 프로파일을 생성합니다. 이를 통해 상황에 따라 특정 기동을 우선적으로 선택하거나, 정보가 부족한 경우 결정을 지연시키는 등 유연한 의사 결정이 가능합니다.
불확실성 고려: 인지, 예측 등 다양한 출처에서 발생하는 불확실성을 고려하여 안전성을 보장합니다. 특히, 최악의 경우 발생할 수 있는 비 emergency 상황에 대비하여 확률적 제약 조건을 통해 안전 기동의 가능성을 확보합니다.
실시간 최적화: 비선형 최적화 문제를 실시간으로 해결하기 위해 그래디언트 기반 최적화 기술을 활용합니다.