论文链接：https://arxiv.org/pdf/2401.06305.pdf
摘要
本文介绍了用于自动驾驶最优间距选择和速度规划的多配置二次规划（MPQP）。平滑且安全的路径规划对于自动驾驶汽车的成功部署是至关重要的。本文提出了一种用于自动驾驶最优速度规划的数学表示，其在具有实际约束的高保真度的仿真和现实道路演示中得以验证。该算法使用广度优先搜索来探索时间和空间域中内部交通间距。对于每个间距，二次规划找到一个最优的速度配置，将时间和空间对与动态障碍物同步。在Carla中进行定性和定量分析，以讨论所提出算法的平滑性和鲁棒性。最后，本文给出了城市驾驶的道路演示结果。
主要贡献
本文的贡献总结如下：
1）本文探索了与动态障碍物相关的空间和时间场景的多种组合；
2）本文针对探索的场景优化速度配置；
3）本文还引入了将横向加速度限制与给定路径上的曲率结合的技术；
4）本文在仿真和道路测试中对所提出的框架进行大量验证。
论文图片和表格
总结
受到路径-速度分解方法有效性的启发，本文提供了一个数学框架来最优地规划自动驾驶汽车的速度配置，即MPQP。给定一条路径，当存在动态目标时，我们利用广度优先搜索算法来寻找跟随路径的时序组合。然后，将每个配置作为下限和上限集成到二次规划中。该表示和实现在计算方面是高效的，能够为10s以上的规划范围在平均20ms内提供一个新的解决方案。CARLA中的仿真结果证明了MPQP的强大潜力，随后进行了实车演示。一个注意点是，这项工作依赖于对交通的确定性预测，这阻碍了产生交互行为的能力。此外，处理多模态预测中的不确定性将是未来的研究工作。
发表回复