不确定性和可见度有限的自动驾驶运动计划

FZI信息技术研究中心的研究人员开发了一种新方法，可以改善不确定环境或可见度有限的情况下自动驾驶汽车的运动计划。他们的论文预先发表在arXiv上，概述了一种在给定场景的最坏情况下避免碰撞的技术。

研究人员在论文中写道：“在城市环境和恶劣条件下进行自动驾驶既具有挑战性，又处于研究的前沿。” “不利的天气和光照条件会带来更高的不确定性和有限的接收范围，从而导致感知质量下降。”

研究人员描述的挑战在城市环境中可能具有更大的相关性，在这些环境中，突发事件使人们更难以预测某种情况的结果。为了解决这些困难，过去的研究试图开发用于自动车辆的尖端感知系统。

但是，即使是配备了最新传感器和技术的这些系统中最先进的系统，也常常难以应对不确定性，从而仅降低了碰撞的风险。为了解决这个问题，FZI的研究人员专注于在有遮挡的不确定环境中进行运动计划。

研究人员解释说：“在本文中，我们分析了自动驾驶汽车的不确定性。” “我们针对接收场有限的车辆研究了各种具有挑战性的交通状况。”

在研究了运动计划者需要考虑从不可见区域接近的车辆的条件之后，研究人员设计了一种方法来快速检测不合规行为。他们的方法在某种程度上模仿了人类驾驶员通常接近交叉路口的方式，因此要更加谨慎并以较低的速度行驶。

研究人员写道：“我们提出了一种在给定场景的最坏情况下不发生碰撞的方法。” “我们定义了衡量碰撞可用边际的标准，同时考虑了可见性和交互作用，因此将应用这些标准的条件整合到基于优化的运动计划器中。”

研究人员在一个闭环仿真环境中评估了他们的方法，发现该方法在几种不同的城市场景中都能很好地推广。他们的方法现已集成到称为BERTHAONE的自动车辆中。

研究人员写道：“我们未来的工作将处理更复杂的情况，在这种情况下，可以使用多种路线和机动选项，例如换道。”