A General Autonomous Driving Planner Adaptive to Scenario Characteristics

规划师 计算机科学 边界(拓扑) 运动规划 工作(物理) 模拟 工程类 人工智能 机器人 数学 机械工程 数学分析
作者
Xinyu Jiao,Zhong Cao,Junjie Chen,Kun Jiang,Diange Yang
出处
期刊:IEEE Transactions on Intelligent Transportation Systems [Institute of Electrical and Electronics Engineers]
卷期号:23 (11): 21228-21240 被引量:2
标识
DOI:10.1109/tits.2022.3185491
摘要

Autonomous vehicle requires a general planner for all possible scenarios. Existing researches design such a planner by a unified scenario description. However, it may significantly increase the planner complexity even in some simple tasks, e.g., car following, further resulting in unsatisfactory driving performance. This work aims to design a general planner which can 1) drive in all possible scenarios and 2) have lower complexity in some common scenarios. To this end, this work proposes a pertinent boundary for multi-scenario driving planning. The total approach is named as Pertinent Boundary-based Unified Decision system. Based on the original drivable area, the pertinent boundary can further support motion status and semantics of the traffic elements, which provides the potential of pertinent performance for given scenarios. The pertinent boundary can support unified driving with the drivable area, in the meantime, can be pertinently modified to support the pertinent driving decisions for identified driving scenarios (e.g., car-following, junction left turning). It will further avoid the bump between the connections of the scenarios due to the continuity of space boundary. Thus, the planner is suitable for the fully autonomous driving. The proposed method is validated in different classical driving decision scenarios. Results show that the proposed method can support pertinent driving decisions in identified scenarios, in the meantime, assure generalized cross-scenario planning when no scenario information is available. Such a method shed light on fully autonomous driving by pertinence improvement of multi-scenario decision in the complex real world.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
ff完成签到,获得积分10
2秒前
火星仙人掌完成签到 ,获得积分10
3秒前
langzhiquan应助gaozx123采纳,获得20
3秒前
斯文败类应助电光十字采纳,获得10
4秒前
达达完成签到,获得积分10
4秒前
zhuxd完成签到,获得积分10
4秒前
hkh发布了新的文献求助10
4秒前
余姚发布了新的文献求助10
4秒前
岩追研完成签到,获得积分10
5秒前
虚心的半梅完成签到,获得积分10
5秒前
欢喜可愁关注了科研通微信公众号
6秒前
pipipi5200发布了新的文献求助10
7秒前
北城南笙完成签到,获得积分10
8秒前
SCI完成签到,获得积分10
10秒前
PeGe完成签到,获得积分10
11秒前
秦时明月完成签到,获得积分10
11秒前
hkh发布了新的文献求助10
12秒前
九月完成签到 ,获得积分10
12秒前
yoyofun完成签到 ,获得积分10
13秒前
温暖小松鼠完成签到 ,获得积分10
14秒前
西兰花的科研小助手完成签到,获得积分10
15秒前
caoyulongchn完成签到,获得积分10
18秒前
欣喜小懒虫完成签到,获得积分10
19秒前
khurram完成签到,获得积分10
20秒前
20秒前
鲲鹏戏龙完成签到,获得积分10
21秒前
ytong完成签到,获得积分10
21秒前
哈密瓜爸爸完成签到,获得积分10
21秒前
MS903完成签到 ,获得积分10
22秒前
不无聊的从梦完成签到 ,获得积分10
22秒前
被淹死的鱼4U完成签到,获得积分10
23秒前
依米医意完成签到,获得积分10
24秒前
快乐太英完成签到 ,获得积分10
24秒前
东东呀完成签到,获得积分10
25秒前
25秒前
Cheshire完成签到,获得积分10
25秒前
enli完成签到,获得积分10
25秒前
Arthur发布了新的文献求助10
27秒前
weiwei完成签到 ,获得积分0
27秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099839
求助须知:如何正确求助?哪些是违规求助? 2751315
关于积分的说明 7612624
捐赠科研通 2403180
什么是DOI,文献DOI怎么找? 1275200
科研通“疑难数据库(出版商)”最低求助积分说明 616295
版权声明 599053