Garantire la sicurezza dei veicoli autonomi (AV) negli scenari a coda lunga
rimane una sfida critica, particolarmente in condizioni di elevata incertezza e complessità
interazioni multi-agente. Per affrontare questo problema, proponiamo RiskNet, UN
quadro di previsione del rischio sensibile all’interazione, che integra deterministico
modellazione del rischio con previsione probabilistica del comportamento per il rischio globale
valutazione. Al suo centro, RiskNet utilizza un modello teorico del campo che cattura
interazioni tra i veicoli dell’ego, agenti circostanti, e infrastrutture tramite
campi di interazione e forza. Questo modello supporta il rischio multidimensionale
valutazione in diversi scenari (autostrade, intersezioni, e rotatorie),
e mostra robustezza in contesti ad alto rischio e coda lunga. Per catturare il
incertezza comportamentale, incorporiamo una rete neurale a grafo (GNN)-basato
modulo di previsione della traiettoria, che apprende il movimento futuro multimodale
distribuzioni. Accoppiato con il campo di rischio deterministico, consente la dinamica,
inferenza probabilistica del rischio nel tempo, consentendo una valutazione proattiva della sicurezza
nell'incertezza. Valutazioni sull'altoD, inD, e set di dati rotondi, che si estende
cambi di corsia, gira, e fusioni complesse, dimostrare che il nostro metodo
supera significativamente gli approcci tradizionali (per esempio., TTC, THW, RSS, NC
Campo) in termini di precisione, reattività, e sensibilità direzionale, Mentre
mantenendo una forte generalizzazione tra gli scenari. Questo quadro supporta
in tempo reale, previsione del rischio adattativa allo scenario e si dimostra forte
generalizzazione in ambienti di guida incerti. Offre un servizio unificato
base per il processo decisionale critico per la sicurezza negli scenari a coda lunga.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: