Verhaltensentscheidung für automatisierte Fahrzeuge mittels Arbitrationsgraphen

Abstract

Zusammenfassung Sichere Verhaltensplanung und Entscheidungsfindung gehören zu den größten Herausforderungen für hochautomatisierte Systeme. Wichtig sind hierbei insbesondere die Erklärbarkeit, Wartbarkeit und Skalierbarkeit des Verfahrens. Wir schlagen daher eine hierarchische verhaltensbasierte Architektur zur taktischen und strategischen Verhaltensgenerierung für automatisierte Fahrzeuge vor. Wir verwenden modulare Verhaltensbausteine, um komplexere Verhaltensweisen in einem Bottom-up-Ansatz zusammenzustellen. Das System ist in der Lage, eine Vielzahl von szenario- und methodenspezifischen Lösungen, wie POMDPs, RRT* oder Reinforcement Learning, in einer nachvollziehbaren Architektur zu kombinieren. Dies ermöglicht den Einsatz heterogener Planungsmethoden, die auf spezifische Fahrmanöver zugeschnitten sind. Experimentelle Ergebnisse veranschaulichen unser Konzept.