【MIT博士论文】不确定环境下自主系统的风险感知规划与概率预测，166页pdf

这篇论文考虑了在不确定环境下自主系统的风险意识规划和概率预测。在不确定性下的运动规划寻找与不确定障碍物碰撞概率有界的轨迹。现有的解决不确定性下运动规划问题的方法要么仅限于高斯不确定性和凸线性障碍物，要么依赖于需要不确定性样本的基于采样的方法。在这篇论文中，我们考虑了非凸不确定障碍物、随机非线性系统和非高斯不确定性。我们利用集中不等式、高阶矩和风险轮廓来处理非高斯不确定性。在不考虑动力学的情况下，我们使用RRT来规划轨迹，并通过SOS编程来验证轨迹的安全性。在考虑随机非线性动力学的情况下，我们解决了关于随机变量和控制的矩的非线性规划问题，使用现成的求解器生成具有保证有界风险的轨迹。接着，我们考虑自主车辆的轨迹预测。我们提出了一个用于自主驾驶轨迹预测的分层端到端深度学习框架：关键帧多路径（KEMP）。我们的模型不仅比以前的方法更通用，而且更简单。在自主驾驶轨迹预测任务中，我们的模型达到了最先进的性能。