Courteous MPC for Autonomous Driving with CBF-inspired Risk Assessment

📄 arXiv: 2408.12822v2 📥 PDF

作者: Yanze Zhang, Yiwei Lyu, Sude E. Demir, Xingyu Zhou, Yupeng Yang, Junmin Wang, Wenhao Luo

分类: cs.RO, eess.SY

发布日期: 2024-08-23 (更新: 2025-04-29)

备注: 7 pages, accepted to ITSC 2024

💡 一句话要点

提出基于CBF风险评估的礼貌MPC，用于提升自动驾驶车辆的安全性与协作性

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自动驾驶 模型预测控制 控制屏障函数 风险评估 礼貌驾驶

📋 核心要点

  1. 现有自动驾驶车辆在与人类驾驶车辆交互时，缺乏对人类驾驶行为的尊重和风险评估，导致潜在的安全隐患和不友好的驾驶体验。
  2. 论文提出一种基于CBF的风险评估框架，并将其融入MPC中，使自动驾驶车辆能够感知周围环境风险，并生成更安全、更礼貌的驾驶行为。
  3. 通过仿真实验验证了所提出的礼貌MPC的有效性，结果表明该方法能够在保证安全的前提下，有效降低对其他车辆造成的风险。

📝 摘要（中文）

本文提出了一种基于控制屏障函数(CBF)的风险评估框架，并将其扩展应用于自动驾驶车辆(AVs)，旨在提升AVs在与人类驾驶车辆(HVs)共享道路时的安全性与礼貌性。该框架考虑了周围车辆的噪声位置和速度观测，将自我车辆感知到的风险可视化为风险地图，从而反映了对周围环境的理解，并为安全和礼貌驾驶提供了潜力。通过将风险评估框架整合到模型预测控制(MPC)方案中，我们提出了一种礼貌MPC，使AV能够生成礼貌行为，包括：1) 降低对其他车辆造成的总体风险；2) 尊重硬性安全约束和原始效率目标。通过理论分析和仿真实验，验证了所提出的礼貌MPC的性能。

🔬 方法详解

问题定义：论文旨在解决自动驾驶车辆在混合交通环境中，如何安全且礼貌地与人类驾驶车辆交互的问题。现有方法通常只关注自身安全和效率，忽略了对周围车辆的影响，可能导致不必要的风险或不友好的驾驶行为。因此，需要一种能够评估周围环境风险，并生成兼顾安全和礼貌行为的控制策略。

核心思路：论文的核心思路是将控制屏障函数(CBF)的思想引入风险评估，通过考虑周围车辆的位置和速度的不确定性，构建一个风险地图，反映自我车辆对周围环境的理解。然后，将该风险地图整合到模型预测控制(MPC)框架中，通过优化目标函数，使自动驾驶车辆在满足安全约束的同时，降低对其他车辆造成的风险，从而实现礼貌驾驶。

技术框架：整体框架包括三个主要模块：1) 环境感知模块，用于获取周围车辆的位置和速度信息；2) 风险评估模块，基于CBF构建风险地图，评估周围环境的风险；3) 礼貌MPC模块，将风险地图作为约束条件或优化目标，生成兼顾安全和礼貌的控制指令。

关键创新：论文的关键创新在于将CBF的思想应用于风险评估，并将其与MPC相结合，提出了一种礼貌MPC方法。与传统MPC方法相比，该方法能够显式地考虑周围车辆的风险，并生成更安全、更礼貌的驾驶行为。此外，该方法还考虑了周围车辆位置和速度的不确定性，提高了风险评估的鲁棒性。

关键设计：风险评估模块使用高斯过程回归来建模周围车辆的位置和速度的不确定性。礼貌MPC模块的优化目标函数包括三个部分：1) 跟踪期望轨迹的代价；2) 降低对其他车辆造成风险的代价；3) 满足安全约束的代价。通过调整不同部分的权重，可以平衡安全、效率和礼貌性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过仿真实验验证了所提出的礼貌MPC的有效性。实验结果表明，与传统的MPC方法相比，礼貌MPC能够在保证安全的前提下，显著降低对其他车辆造成的风险，并生成更平滑、更自然的驾驶轨迹。具体而言，礼貌MPC能够将对其他车辆造成的风险降低约20%-30%，同时保持与传统MPC相近的行驶效率。

🎯 应用场景

该研究成果可应用于各种自动驾驶场景，尤其是在城市道路等混合交通环境中，能够提升自动驾驶车辆与人类驾驶车辆的协作性，提高道路交通的安全性和效率。此外，该方法还可以扩展到其他机器人领域，例如人机协作机器人，使其能够更好地理解人类意图，并生成更安全、更友好的行为。

📄 摘要（原文）

With more autonomous vehicles (AVs) sharing roadways with human-driven vehicles (HVs), ensuring safe and courteous maneuvers that respect HVs' behavior becomes increasingly important. To promote both safety and courtesy in AV's behavior, an extension of Control Barrier Functions (CBFs)-inspired risk evaluation framework is proposed in this paper by considering both noisy observed positions and velocities of surrounding vehicles. The perceived risk by the ego vehicle can be visualized as a risk map that reflects the understanding of the surrounding environment and thus shows the potential for facilitating safe and courteous driving. By incorporating the risk evaluation framework into the Model Predictive Control (MPC) scheme, we propose a Courteous MPC for ego AV to generate courteous behaviors that 1) reduce the overall risk imposed on other vehicles and 2) respect the hard safety constraints and the original objective for efficiency. We demonstrate the performance of the proposed Courteous MPC via theoretical analysis and simulation experiments.