Navigation sociale et proactif de véhicules autonomes dans des espaces partagés

Proactive and Social navigation of autonomous vehicles in shared spaces

• Auteur / Autrice : Maria Kabtoul
• Direction : Anne Spalanzani, Philippe Martinet
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 02/12/2021
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France ; 1979-....). Centre de recherche de l'université Grenoble Alpes (1992-....)
• Jury : Président / Présidente : Vincent Frémont
• Jury : Examinateurs / Examinatrices : Marie Babel, Xavier Alameda-Pineda
• Jury : Rapporteurs / Rapporteuses : Alberto Sanfeliu, Rachid Alami

Mots clés

Mots clés contrôlés

Interaction homme-robot

Circulation urbaine

Véhicules autonomes

Mots clés libres

Comportement Proactif

Interaction Homme-Robot

Navigation Sociale

Systèmes De Transport Intelligents

Ros

Proactive Behavior

Human-Robot Interaction

Social Navigation

Intelligent Transportation Systems

Ros

Résumé

La tendance actuelle dans la conception des véhicules électriques autonomes est basée sur des modèles préexistants de villes qui ont été construits pour les voitures. L'empreinte carbone des villes ne peut être réduite tant que les besoins globaux en véhicules ne sont pas réduits et que davantage de zones vertes ne soient créées pour une meilleure habitabilité. Cependant, Le nombre de ces zones ne peuvent être augmentées sans fournir des solutions de mobilité autonomes et accessibles à tous. De telles solutions doivent être capables de fonctionner dans des espaces partagés avec les piétons, ce qui rend ce problème beaucoup plus difficile par rapport à la conduite autonome traditionnelle. Comme point de départ pour développer de telles solutions, cette thèse pose des jalons pour développer de telles solutions et se focalise sur la navigation pour les véhicules autonomes à proximité des piétons. La solution proposée est un cadre proactif capable d'anticiper les réactions des piétons et d'exploiter leur coopération pour optimiser la performance tout en assurant leur sécurité.Dans un premier temps, un modèle de comportement des piétons est proposé. Le modèle commence par évaluer la tendance des piétons à coopérer avec le véhicule par un paramètre dépendant du temps. Cette tendance est ensuite utilisée combinée à des mesures spatiales pour prédire la trajectoire future. Le modèle est basé sur des règles sociales et des études cognitives en utilisant le concept de zones sociales. Il intègre ensuite le concept de zone virtuelle déformable (ZVD) pour mesurer l'influence résultante dans chaque zone. Les deux parties du modèle sont entrainées grâce à un corpus de données vidéos annoté où des piétons interagissent avec un véhicule.Dans un second temps, La vitesse et les manœuvres du véhicule sont étudiées. Premièrement, deux critères sont considérés pour contrôler la vitesse longitudinale. Le premier est un critère de sécurité qui utilise la distance minimale entre un agent et le châssis du véhicule. Le second est un critère proactif qui utilise la mesure de coopération des agents environnants. Ce dernier est indispensable pour exploiter tout comportement coopératif et éviter le gel du véhicule dans des scénarios denses. Enfin, le contrôle optimal est dérivé en utilisant le gradient d'une fonction de coût combinant les deux critères précédents. Ceci est possible grâce à une formulation suggérée du modèle de coopération utilisant une distribution Chi non centrale pour la distance entre le véhicule et un agent.Un cadre de canaux dynamiques et proactifs est suggéré pour la manœuvre locale. La méthode dépend de l'évaluation du coût de navigation dans un canal (sous-espace) à l'aide d'un modèle de coût flou. Le canal avec le moindre coût est sélectionné et une transition douce est réalisée à l'aide d'une spline Quintique entre les canaux. Enfin, la control local est calculé à l'aide d'un contrôleur de mode glissant.La navigation est évaluée à l'aide du simulateur PedSim sous ROS dans des scénarios d'interaction piéton-véhicule. La navigation est testée avec différentes densités et parcimonie de piétons. Le cadre proactif a produit des trajectoires de véhicules fluides tout en maintenant la sécurité des piétons et en réduisant le temps de trajet par rapport aux méthodes réactives traditionnelles (Risk-RRT).

The current trend in electric autonomous vehicles design is based on pre-existing models of cities which have been built for cars. The carbon footprint of cities cannot be reduced until the overall requirement for vehicles is reduced and more green and pedestrianized zones are created for better livability. However, such green zones cannot be scaled without providing autonomous mobility solutions, accessible to people with reduced mobility. Such solutions need to be capable of operating in spaces shared with pedestrians, which makes this a much harder problem to solve as compared to traditional autonomous driving. This thesis serves as a starting point to develop such autonomous mobility solutions. The work is focused on developing a navigation system for autonomous vehicles operating around pedestrians. The suggested solution is a proactive framework capable of anticipating pedestrian reactions and exploiting their cooperation to optimize the performance while ensuring pedestrians safety and comfort.A cooperation-based model for pedestrian behaviors around a vehicle is proposed. The model starts by evaluating the pedestrian tendency to cooperate with the vehicle by a time-varying factor. This factor is then used in combination with the space measurements to predict the future trajectory. The model is based on social rules and cognitive studies by using the concept of the social zones and then applying the deformable virtual zone concept (DVZ) to measure the resulting influence in each zone. Both parts of the model are learnt using a data-set of pedestrians to vehicle interactions by manually annotating the behaviors in the data-set.Moreover, the model is exploited in the navigation system to control both the velocity and the local steering of the vehicle. Firstly, the longitudinal velocity is proactively controlled. Two criteria are considered to control the longitudinal velocity. The first is a safety criterion using the minimum distance between an agent and the vehicle’s body. The second is proactive criterion using the cooperation measure of the surrounding agents. The latter is essential to exploit any cooperative behavior and avoid the freezing of the vehicle in dense scenarios. Finally, the optimal control is derived using the gradient of a cost function combining the two previous criteria. This is possible thanks to a suggested formulation of the cooperation model using a non-central chi distribution for the distance between the vehicle and an agent.A smooth steering is derived using a proactive dynamic channel method for the space exploration. The method depends on evaluating the navigation cost in a channel (sub-space) using a fuzzy cost model. The channel with the minimum cost is selected, and a human-like steering is affected using a Quintic spline candidate path between channels. Finally, the local steering is derived using a sliding mode path follower.The navigation is evaluated using PedSim simulator under ROS in pedestrian-vehicle interaction scenarios. The navigation is tested with different pedestrian density and sparsity. The proactive framework managed to navigate the vehicle producing smooth trajectories while maintaining the pedestrians’ safety and reducing the travel time in comparison with traditional reactive methods (Risk-RRT).