Tesis:
Motion planning for automated vehicles in urban environments considering a human-in-the-loop approach
- Autor: MEDINA LEE, Juan Felipe
- Título: Motion planning for automated vehicles in urban environments considering a human-in-the-loop approach
- Fecha: 2023
- Materia:
- Escuela: E.T.S. DE INGENIEROS INDUSTRIALES
- Departamentos: AUTOMATICA, INGENIERIA ELECTRICA Y ELECTRONICA E INFORMATICA INDUSTRIAL
- Acceso electrónico: https://oa.upm.es/74390/
- Director/a 1º: VILLAGRÁ SERRANO, Jorge
- Director/a 2º: GODOY MADRID, Jorge Luis
- Resumen: Over the last decades, there has been a significant amount of research dedicated to automated driving, resulting in substantial progress in handling complex situations. This technology has the potential of reducing the number of traffic accidents, mostly caused by human errors; increasing the efficiency of traveling, both in time and fuel consumption; or improving people’s life quality by increasing accessibility to transportation systems or allowing them to spend their time in other tasks rather than driving. For that reason, there has been a lot of interest in the topic among the research community and the automotive sector, as one of the most promising advancements in automotive engineering.
As highly automated vehicles advance towards realistic road traffic, they have increasingly encountered more dynamic and time-sensitive scenarios, such as merging into fast-moving traffic, avoiding other moving vehicles, or crossing through an intersection or roundabout. There have been different driving strategies that have shown promising results in these types of environments; however, many of them focus on solving a single type of scenario. For that reason, it is important to have algorithms that can propose driving alternatives for different types of scenarios in a global and unified way instead of using algorithms that depend on the driving scene. In the medium term, autonomous driving systems can find some driving situations that are still too challenging to be handled, and intervention from humans inside the vehicle may be necessary; thereby, it is important to keep them involved in the driving task, so they can intervene in a safe and relevant way.
This Ph.D. thesis proposes a use-case-independent driving architecture for automated vehicles able to handle different urban scenarios by integrating a tactical decision-making system with a novel motion planning system and a trading-controlbased supervisor. The tactical decision-making system is able to select the most suitable lane for the vehicle and manage different traffic signals. The motion planning algorithm generates a set of possible trajectories and selects the best of them according to a merit function that combines longitudinal comfort, lateral comfort, safety, and utility criteria. The integration of these modules allows selecting the current maneuver after exploring a reachable set of trajectories, which brings flexibility to the system in complex and dynamic driving scenarios. Additionally, the traded control architecture is proposed to enhance the operational domain of the autonomous driving system under the premise that vehicles and humans may need to adapt their cooperation level depending on the context. To that end, a complexity level is computed in real-time for each driving scene, and the role of the automation and the human driver is defined accordingly. With this information in hand, the system warns the human driver when the involvement level is lower than required or when a complex scene is detected.
All the algorithms were designed to have real-time performance and they were exhaustively tested and validated in both realistic urban simulated scenarios (using a software-in-the-loop architecture), and real-life demonstrators in one of the prototype vehicles of the Autopia research group, at the Centre for Automation and Robotics (CSIC-UPM), in Arganda del Rey, Spain. The results showed that the proposed architecture is able to safely and comfortably handle a large variety of urban scenarios while dynamically estimating the scene difficulty and updating the level of driving automation.
RESUMEN
Durante las últimas décadas, se ha puesto bastante empeño en la investigación de la conducción autónoma y gracias a ello se ha progresado significativamente en el manejo de situaciones complicadas al conducir. Esta tecnología tiene el potencial de reducir el número de accidentes de tránsito, causados principalmente por errores humanos; aumentar la eficiencia de los viajes, tanto en tiempo como en consumo de combustible; o mejorar la calidad de vida de las personas al facilitar el acceso a los sistemas de transporte, o permitirles emplear su tiempo en otras tareas diferentes a conducir. Por esta razón, existe un gran interés en la conducción autónoma en el campo investigativo y el sector automovilístico, como una de las áreas con más alcance en la ingeniería de automoción.
A medida que los vehículos autónomos se aproximan a situaciones reales de tráfico en las vías, se han encontrado escenarios más dinámicos y que requieren una respuesta temporal casi inmediata, por ejemplo, al incorporarse al tráfico de alta velocidad, al evadir otros vehículos en movimiento, o al cruzar una intersección o rotonda. Actualmente existen estrategias de conducción autónoma con resultados prometedores en este tipo de situaciones; sin embargo, muchas de ellas se enfocan en resolver solo un tipo de escenario. Por esta razón, es importante crear algoritmos que propongan alternativas de conducción para diferentes escenarios de forma global y unificada en vez de usar algoritmos que dependan de la escena de tránsito. En el medio plazo, los sistemas de conducción pueden encontrarse situaciones de conducción aún muy complicadas, requiriendo de intervención humana en momentos específicos, por lo que es necesario que el conductor se mantenga involucrado en la conducción para que pueda intervenir de forma segura cuando sea necesario.
Esta tesis doctoral propone una arquitectura de conducción autónoma independiente del caso de uso, capaz de sortear diferentes escenarios urbanos al integrar un sistema para la toma de decisiones estratégicas con un sistema de planificación de movimiento y un supervisor basado en control negociado. El sistema para la toma de decisiones es capaz de seleccionar el carril más adecuado para el vehículo y gestionar distintas señales de tráfico. Por su parte el algoritmo de planificación de movimiento genera un conjunto de trayectorias posibles y selecciona la mejor a través de una función de mérito que combina criterios de confort longitudinal, confort lateral, seguridad y utilidad. La integración de estos módulos permite seleccionar la maniobra actual después de haber explorado el conjunto de trayectorias alcanzables, lo que le aporta flexibilidad al sistema en escenarios complejos y dinámicos. Adicionalmente, la arquitectura propuesta de control negociado incrementa el dominio operacional del sistema de conducción autónoma bajo la premisa de que los vehículos y los humanos podrían requerir adaptar sus niveles de cooperación, dependiendo del contexto. A tal fin, se computa el nivel de complejidad para cada escena de conducción en tiempo real, definiendo los roles del vehículo y el conductor en consecuencia. Teniendo esta información, el sistema alerta al conductor humano cuando detecta que su implicación es menor a la requerida o al encontrarse en una escena compleja.
Todos los algoritmos fueron diseñados para tener un desempeño en tiempo real y han sido evaluados y validados exhaustivamente en escenarios urbanos simulados (usando una arquitectura de simulación en lazo cerrado) y en demostradores reales en uno de los vehículos prototipo del grupo de investigación Autopia, del Centro de Automática y Robótica (CSIC-UPM), en Arganda del Rey, España. Los resultados han demostrado que la arquitectura propuesta es capaz de gestionar una gran variedad de escenarios urbanos de forma segura y cómoda, mientras se evalúa la dificultad de la situación y se establece el nivel de automatización del sistema de forma dinámica.