FZI信息技術研究中心的研究人員開發了一種新方法，可以改善不確定環境或能見度有限的自動駕駛汽車的運動規劃。他們的論文預先發布在arXiv上，概述了一種避免在給定場景的最壞情況演變中發生沖突的技術。

研究人員在他們的論文中寫道：“ 在城市環境和惡劣條件下進行自動駕駛既具有挑戰性，又仍然處于研究之列。” “不利的天氣和光照條件會導致感知質量下降，因為它會引入更高的不確定性和有限的感受野。”

研究人員描述的挑戰可能在城市環境中具有更大的相關性，在這些環境中，意外事件使得預測情況的結果變得更加困難。為了解決這些困難，過去的研究試圖開發用于自動車輛的尖端感知系統。

盡管如此，即使是最先進的這些系統，配備了最先進的傳感器和技術，往往很難處理不確定性，因此只是降低了碰撞的風險。為了解決這個問題，FZI的研究人員專注于在具有遮擋的不確定環境中進行運動規劃。

“在本文中，我們分析了自動駕駛汽車所受的不確定性，”研究人員解釋說。“我們研究了具有有限感受野的車輛的不同挑戰性交通情況。”

在研究了運動規劃師需要考慮從不可見區域接近車輛的條件后，研究人員設計了一種快速檢測不合規行為的方法。他們的方法在某種程度上模仿了人類駕駛員通常接近交叉路口的方式，駕駛時要小心謹慎并且速度降低。

研究人員寫道：“我們提出了一種方法，可以在特定場景的最壞情況下保持無碰撞。” “我們定義了衡量碰撞可用邊際的標準，同時考慮了可見性和相互作用，從而將應用這些標準的條件整合到基于優化的運動規劃器中。”

研究人員在閉環仿真環境中評估了他們的方法，發現它在幾種不同的城市場景中得到了很好的推廣。他們的方法現已集成到一臺名為BERTHAONE的自動駕駛汽車中。

研究人員寫道：“我們未來的工作將涉及更復雜的情景，其中有多種航線和機動車選擇，如車道變換。”