自动驾驶汽车实时避障的试验评估与分析

自动驾驶汽车实时避障的试验评估与分析

自动驾驶系统在安全方面中的应用开发和部署至关重要。提出了一种使用动态障碍物期望概率来构建控制器的方法，并且采用康奈尔的完全自动驾驶汽车获得的试验数据来进行验证。动态障碍物期望概率（即计算与车辆周围动态障碍物碰撞的概率）首先被抽象为一组布尔观测值，然后由合成控制器（由时间逻辑任务规范生成的状态机）进行使用。在完全自动驾驶汽车上实现了障碍物的预测、传感器数据的提取和控制器的合成，对试验数据进行了收集与比较，对系统的概率行为进行了形式化分析。研究结果表明，形式化分析与试验结果较吻合。

所介绍的动态障碍物期望概率来作为合成控制器的传感器提取值。该方法在康奈尔2007年城市挑战赛中实时运行。在执行过程中，车辆预测动态障碍物的运动，并用于计算障碍物与自动驾驶汽车之间的预期碰撞概率值。如果该值超过规定的阈值，则车辆的行驶路线被认为是不安全的，因此控制器指示该车避开现在行驶的路线。但是，目前合成控制器的观测工作是在完全假设的情况下执行的，因此需要对观测误差的影响进行建模，以创建更完善的系统概率模型。

通过对控制系统的离散概率模型和自动驾驶汽车的试验数据进行详细的分析，说明了传感器阈值的变化对自动驾驶汽车行为的影响。理论分析和试验结果都表明，较高的阈值会导致车辆更具有攻击性，并且安全完成运行的可能性较小。此外，试验结果还表明，系统概率模型的分析是评估使用合成控制器运行的自动驾驶汽车行为的可行方法，该方法有助于减轻用于系统验证的试验结果的负担，并且可以用于调整系统参数。

刊名：Journal of Field Robotics（英）

刊期：2017年第5期

作者：Johnson,Benjamin et al

编译：陈少帅