Développement de la prise de décision pour autobus autonomes et déploiement des algorithmes sur le simulateur Carla
Year: 2022
Type: dissertation
Abstract: La conduite automobile constitue une activité qui requiert un haut niveau de compréhension et une capacité d’improvisation que seul l’humain arrive à atteindre. Depuis l’essor de l’intelligence artificielle, la recherche sur la planification de la conduite par la machine produit des résultats intéressants. Cette recherche décompose le problème de la planification en 3 modules, soit la planification de mission, la prise de décisions et la planification locale. La solution proposée répond aux sous problèmes des deux derniers blocs. On propose une approche déterministe pour la prise de décision basée sur un automate fini, ou finite state machine (FSM), pour identifier les états desquels découlent les comportements et on utilise une technique basée sur l’optimisation pour déterminer la forme des chemins locaux que le planificateur local doit produire. On ajoute un système d’abstraction de la scène pour que le FSM puisse prendre des décisions logiques et on ajoute un horizon de prédiction pour évaluer le risque que les obstacles représentent. Les métriques du risque utilisées sont le temps avant collision (Time-To-Collision, TTC), une probabilité de collision (CP) qui se mesure depuis les obstacles dans les voies adjacentes dans le cas où l’ego véhicule déciderait de changer de voie. Le problème global est segmenté en scénarios et l’objectif consiste à vérifier que la solution proposée performe adéquatement dans le maximum de scénarios possible. On segmente donc les résultats en scénarios. Parmi les scénarios à valider, on obtient des résultats pour le suivi de voie, pour le feu de circulation, pour le virage à une intersection et pour le changement de voie. Les simulations sont effectuées sur le simulateur Carla. Quelques scénarios ont été validés où l’autopilote de Carla contrôlait le véhicule et où le planificateur devait prédire les comportements que l’autopilote adopte. Les simulations montrent que la solution proposée arrive à prédire exactement les comportements adoptés par l’autopilote pour le suivi de voie et pour la traversée d’intersection en croix. Pour le changement de voie, l’autopilote a été restreint dans ses capacités pour que le planificateur force le changement de voie. Les simulations montrent que le planificateur ne change pas de voie lorsque la situation est risquée, et il change de voie en suivant le parcours planifié par le planificateur local.
Author: Marion, Antoine
Language: French
Subfield: Automotive Engineering
Field: Engineering
Domain: Physical Sciences
Keywords: autonomous buses, autonomous driving, decision-making, finite automata, local path planning, time-to-collision, collision probability, prediction horizon, scenario-based validation, CARLA simulator, intersection crossing, lane changing, collision avoidance, vehicle-to-vehicle communication, vehicle-to-infrastructure communication, vehicle-to-everything communication
Open Access status: green
OpenAlex ID: W6999652056
