Efficient and Anticipatory Behavior Planning under Uncertainty for Autonomous Driving in Urban Environments

Zhang, Chi

Informationswesen, Bibliotheks-, Dokumentations-, Archiv-, Museumswesen

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Efficient and Anticipatory Behavior Planning under Uncertainty for Autonomous Driving in Urban Environments
Translated title:: Effiziente und vorausschauende Verhaltensplanung unter Unsicherheit für autonomes Fahren in urbanen Umgebungen
Author:: Zhang, Chi
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Institution:: Informatik 6 - Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme (Prof. Knoll)
Advisor:: Knoll, Alois Christian (Prof. Dr. habil.)
Referee:: Knoll, Alois Christian (Prof. Dr. habil.); Chen, Guang (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
Keywords:: Autonomous driving; Behavior planning; Occlusion scenarios; Safety; Rule-compliance
Translated keywords:: Autonomes Fahren; Verhaltensplanung; Verdeckungsszenarien; Sicherheit; Regelkonformität
TUM classification:: DAT 260; DAT 815
Abstract:: This thesis proposes a new probabilistic behavior planning algorithm for challenging urban environments. The algorithm can handle various occlusion scenarios by utilizing onboard sensor information as well as information from vehicle-to-everything communication. Moreover, the algorithm, which incorporates multi-step occupancy grid maps, operates effectively in crowded areas and ensures safety and rule compliance through a responsibility-sensitive safety model and a traffic rule monitor.
Translated abstract:: Diese Arbeit stellt einen neuen probabilistischen Verhaltensplanungsalgorithmus für anspruchsvolle urbane Umgebungen vor. Durch die Nutzung von bordeigener Sensorinformationen sowie Informationen von Vehicle-to-Everything-Kommunikation, kann der Algorithmus Szenarien mit Verdeckungen bewältigen. Der Algorithmus, welcher multi-step Belegungskarten berücksichtigt, operiert effektiv in dichten urbanen Umgebungen und gewährleistet Sicherheit sowie Regelkonformität durch ein Responsibility-Sensitive Safety-Modell und einen Verkehrsregelmonitor. «
Diese Arbeit stellt einen neuen probabilistischen Verhaltensplanungsalgorithmus für anspruchsvolle urbane Umgebungen vor. Durch die Nutzung von bordeigener Sensorinformationen sowie Informationen von Vehicle-to-Everything-Kommunikation, kann der Algorithmus Szenarien mit Verdeckungen bewältigen. Der Algorithmus, welcher multi-step Belegungskarten berücksichtigt, operiert effektiv in dichten urbanen Umgebungen und gewährleistet Sicherheit sowie Regelkonformität durch ein Responsibility-Sensitive... »
WWW:: https://mediatum.ub.tum.de/?id=1729797
Date of submission:: 21.12.2023
Oral examination:: 13.11.2024
File size:: 6401195 bytes
Pages:: 145
Urn (citeable URL):: https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20241113-1729797-0-4
Last change:: 31.03.2025
BibTeX

Occurrences:

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Datenverarbeitung, Informatik

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology

mediaTUM Gesamtbestand Einrichtungen Schools TUM School of Computation, Information and Technology Prüfungsarbeiten Dissertationen

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Informationswesen, Bibliotheks-, Dokumentations-, Archiv-, Museumswesen

mediaTUM Gesamtbestand Hochschulbibliographie 2024 Schools und Fakultäten TUM School of Computation, Information and Technology Informatik 6 - Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme (Prof. Knoll)

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology Computer Engineering