Estimation de l'intention des véhicules pour la prise de décision et le contrôle sans faille en navigation autonome

par Imane Mahtout

Projet de thèse en Informatique temps réel, robotique et automatique - Paris

Sous la direction de Fawzi Nashashibi.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de Ecole doctorale Sciences des métiers de l'ingénieur (Paris) , en partenariat avec Mathématiques et Systèmes (laboratoire) , CAOR - Centre de CAO et Robotique (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 15-10-2017 .


  • Résumé

    L'objectif principal de ce travail de doctorat est d'explorer davantage les scénarios complexes où les véhicules autonomes peuvent conduire. Situations où différentes intentions peuvent interagir par exemple garder le véhicule dans la voie mais en même temps avoir un passage potentiel pour les piétons et le trafic en sens inverse est encore plus difficile à gérer. Du point de vue de la prise de décision, il est difficile d'attribuer de telles situations à un seul scénario ou comportement du véhicule. L'objectif principal sera de fusionner ces informations du point de vue du contrôle, ce qui permettra au véhicule de transiter entre les contrôleurs tout en conservant la stabilité. Dans une première étape, la réponse longitudinale du véhicule sera étudiée. Un bon exemple sur les situations potentiellement mixtes est lorsque le véhicule passe d'une réponse de contrôle de la vitesse (CC) à un CC adaptatif (ACC). La façon dont l'engagement des performances de CC où seule l'action de l'accélérateur est considérée, dans le ACC, où l'action de la pédale de frein est également incluse, doit être traitée. Cette transition doit se faire de manière robuste et stable. Cette situation où la prise de décision peut détecter le véhicule précédent avec suffisamment de temps et indiquer quand la transition de CC vers ACC commence et se termine. Ensuite, des situations plus complexes, en tant que réponses coupées où le véhicule doit réagir plus rapidement, seront étudiées. Dans une deuxième étape, une réponse latérale sera étudiée. Le point de départ sera des manœuvres de dépassement, où la décision peut être effectuée avec suffisamment de temps jusqu'à la manœuvre d'urgence où le véhicule doit se diriger de manière rigide pour éviter un obstacle. Le système décisionnel doit pouvoir indiquer la situation dans laquelle se trouve le véhicule. La contribution attendue du système proposé est la capacité du contrôleur latéral de transiter à partir d'un contrôleur latéral basé sur le confort pour des situations de circulation régulières jusqu'à un contrôleur basé sur les limites du véhicule où les limites d'adhérence affectent la dynamique. Enfin, les deux dynamiques seront intégrées dans des environnements complexes. La prise de décision peut fournir des informations sur le véhicule précédent, un passage piéton potentiel et que nous approchons une intersection. En fonction des besoins, la dynamique du véhicule peut changer radicalement. Le résultat de la prise de décision analysant toutes ces situations sera parfaitement lié aux algorithmes de contrôle. Des tests réels sur la plate-forme expérimentale de recherche de Renault seront réalisés. Le doctorant bénéficiera des pistes d'essai Aubevoye pour valider les algorithmes dans un environnement contrôlé. Plus précisément, un véhicule ZOE contrôlé par ordinateur sera disponible pendant tout la période de la thèse.

  • Titre traduit

    Estimation of Vehicle Intention for Seamless Decision Making and Control in Autonomous Navigation


  • Résumé

    The main objective of this PhD work is to further explore complex scenarios where autonomous vehicles can drive. Situations where different expectations can interact as keeping the vehicle in the lane but at the same time having a potential pedestrian crossing and oncoming traffic are the hardest to be handled. From a decision-making perspective, it is difficult to assign such situations to a single scenario or behavior from the vehicle. The main goal will be to fuse that information from a control perspective, allowing the vehicle to transit between controllers at the same time whereas keeping stability. In a first step, longitudinal vehicle response will be investigated. A good example about potential mixed situations can be found when the vehicle moves from a Cruise Control (CC) response to an Adaptive CC (ACC). The way in which the engagement from CC performance where only throttle action is considered to ACC where also brake pedal action are included is handled. This transition has to be done in a robust and stable way. Decision-making can detect the preceding vehicle with enough time and indicate when the transition from CC to ACC starts and ends, providing smooth controllers' transition. Then, more complex situations as cut-in responses where vehicle has to react faster will be investigated. In a second step, lateral response will be studied. Starting point will be overtaking maneuvers, where the decision can be carried out with enough time up to emergency maneuver where the vehicle has to drastically steer to avoid an obstacle. The decision-making system has to be able to indicate the situation in which the vehicle is. A contribution expected from the proposed system is the ability of the lateral controller to transit from a comfort-based lateral controller for regular traffic situations up to vehicle limits-based controller where adherence limits affect dynamics. Finally, both dynamics will be integrated for complex environments. The decision-making can provide information about the preceding vehicle, a potential pedestrian crossing and that we are approaching to an intersections. In function of the needs, vehicle dynamics can drastically change. The decision-making output analyzing all these situations will be seamless linked with the control algorithms. Real tests on experimental research platform at Renault will be carried out. The PhD will benefit from the Aubevoye Test tracks owned by RENAULT for validating the algorithms in a controlled environment. Specifically, a computer controlled ZOE vehicle will be available during the whole PhD work.