オンライン学習に基づく到達集合（リーチャブルセット）バリアによる自律走行車の安全かつ非保守的なコンティンジェンシープランニング
arXiv cs.RO / 2026/4/16
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、人間の運転車（HV）の挙動と知覚誤差によって引き起こされる動的に不確実な環境に対処するため、自律走行車向けのリアルタイムなコンティンジェンシー軌道最適化フレームワークを提案する。
- イベント駆動型のオンライン学習を用いてHVの制御意図セットを推定し、マルチモーダルな順方向到達集合（FRS）を逐次更新することで、より安全で適応的な不確実性の定量化を可能にする。
- 安全性はFRSに基づくバリア制約によって強制され、正確なHVの軌道予測を必要とせずに不変的（インバリアント）な安全性を保証できる。
- バリア制約付きコンティンジェンシー最適化は、コンセンサスADMMにより効率的に解かれ、実現可能性と安全性を維持しつつ、効率を損なう過度な保守性の低減を狙う。
- 高速道路・都市のベンチマークでのシミュレーションおよび実環境実験により、報告上は、不確実性下で安全性を維持しながら運転効率と乗員の快適性が向上している。
