高次元連続空間における高速・安定な運転行動予測
一方で,安定した解を探索する方法として,空間全体を覆う木を生成するRapidly exploring Random Tree (RRT)が挙げられますが,自動車モデルの表現に必要な高次元空間を網羅するには多くの計算コストを要します.さらに,計算コストを抑えつつ非ホロノミックな運動系を扱えるようRRTを拡張した研究としてテンプレートベースRRT (Ma et al. ITSC2014) がありますが,RRTが抱える探索の非効率性の問題,として,1)単一木の網羅性の低さ,2)大量の枝・葉を有するRRTにおける報酬和の更新速度の遅さ,が残されています.
その解決のために,本研究では.従来のテンプレートベースRRTに枝刈りと木の複数並列複数生成を組み合わせた,並列逐次枝刈り型RRTを提案しました.必要のない部分を枝刈りすることで,集中して報酬の見込みの高い場所を探索することが可能になります.
また,単体の木を生成していた既存のRRTとは異なり,小さい木を複数並列生成する方法により,コストを抑制しつつ効率的に空間を網羅することが期待できます.
これら二つのプロセスにより,高次元空間において高速性と安定性を両立した運転行動予測を実現します.性能比較実験では,幹線道路と交差点を想定したタスクにおいて,提案手法が既存手法よりも高速性と安定性が向上していることを実証しました.
Publications
逐次枝刈り型RRTの並列化による高速かつロバストな運転行動予測
細馬 慎平, 須ヶ﨑 聖人, 竹中 一仁, 平野 大輔, 孫 理天, 下坂 正倫
第38回 日本ロボット学会学術講演会 予稿集, オンライン開催, 10 2020