자율주행을 위한 위험 잠재력 필드 방법과 통합된 종합적 경로 예측

교통 참여자들의 의도의 불확실성으로 인해 상호작용 운전 시나리오에서 안전하지만 지나치게 조심스러운 행동을 생성하는 것은 자율주행에 있어 여전히 크나큰 도전 과제입니다. 본 논문에서는 심층 학습 기반의 경로 예측 모델과 위험 잠재력 필드 기반의 동작 계획을 결합하여 이 문제를 다룹니다. 다른 차량의 가능한 미래 경로를 종합적으로 예측하기 위해, 우리는 차량이 미래에 도달할 수 있는 모든 지역을 고려하는 목표 지역 기반 경로 예측 모델(TRTP)을 제안합니다. 이후, TRTP의 예측 결과를 바탕으로 각 미래 시간 단계에서 위험 잠재력 필드를 구축하고, 위험 값을 모델 예측 윤곽 제어(MPCC)의 목적 함수에 통합합니다. 이를 통해 계획 과정에서 다른 차량의 불확실성을 고려할 수 있습니다. 위험과 진행을 참조 경로를 따라 균형 있게 조절함으로써 안전과 효율성을 동시에 달성할 수 있습니다. 우리는 또한 CARLA 시뮬레이터에서 우리의 방법의 보안성과 효과성을 입증합니다.