[論文レビュー] AutoDRIVE -- Technical Report

Tanmay Vilas Samak, Chinmay Vilas Samak|arXiv (Cornell University)|Nov 15, 2022

Transportation and Mobility Innovations被引用数 4

ひとこと要約

AutoDRIVE は、自律走行の研究および教育を目的としたオープンソースで統合されたサイバーフィジカルプラットフォームであり、1:14スケールのテストベッド車両、ROSベースのシミュレータ、およびアルゴリズム開発用のDevkitを備えています。本プラットフォームは、実機、シミュレーション、統一されたソフトウェアスタック（単一およびマルチエージェントシステムをサポート）を用いて、自律駐車、行動クローン、交差点走行、スマートシティ管理といった自律走行アルゴリズムのエンドツーエンド実装を可能にします。

ABSTRACT

This work presents AutoDRIVE, a comprehensive research and education platform for implementing and validating intelligent transportation algorithms pertaining to vehicular autonomy as well as smart city management. It is an openly accessible platform featuring a 1:14 scale car with realistic drive and steering actuators, redundant sensing modalities, high-performance computational resources, and standard vehicular lighting system. Additionally, the platform also offers a range of modules for rapid design and development of the infrastructure. The AutoDRIVE platform encompasses Devkit, Simulator and Testbed, a harmonious trio to develop, simulate and deploy autonomy algorithms. It is compatible with a variety of software development packages, and supports single as well as multi-agent paradigms through local and distributed computing. AutoDRIVE is a product-level implementation, with a vast scope for commercialization. This versatile platform has numerous applications, and they are bound to keep increasing as new features are added. This work demonstrates four such applications including autonomous parking, behavioural cloning, intersection traversal and smart city management, each exploiting distinct features of the platform.

研究の動機と目的

• 自律走行およびスマートシティシステム分野における包括的でアクセス可能な研究・教育プラットフォームの開発。
• 統一されたハードウェア・ソフトウェアエコシステムを通じて、シミュレーションと実世界への展開のギャップを埋めること。
• モデルベースおよびデータドリブンな手法を含む多様な自律走行パラダイムを、単一およびマルチエージェントの両状況でサポートすること。
• 主な自律走行アプリケーションの実世界およびシミュレート環境下での実装を通じて、プラットフォームの能力を実証すること。
• 学術界および産業界におけるスケーラブルで拡張可能かつ商業的に実現可能な研究インfraストラクチャの提供。

提案手法

• 冗長なセンシング、アクチュエーション、および高性能コンピューティングを備えた1:14スケールの自律走行車両（Nigel）の設計および製作。
• 車両動態、インfraストラクチャモデリング、およびカスタマイズ可能なグラフィックスおよび照明をサポートするROSベースのシミュレータの開発。
• テストベッドへのシームレスなアルゴリズムデプロイメントを可能にする、Python API対応のAutoDRIVE Devkitの作成。
• 自律走行およびスマートシティ管理のためのモジュラーなソフトウェアスタックの実装により、ROSおよびウェブベースの制御との統合を可能に。
• ナビゲーションおよび制御に、SLAM、確率的ローカライゼーション、およびエンドツーエンド学習パイプライン（例：行動クローン）の使用。
• 分散およびローカルコンピューティングの両方をサポートし、シミュレーションおよび実世界テストにおける単一車両およびマルチ車両の連携を可能に。

実験結果

リサーチクエスチョン

• RQ1 統一されたプラットフォームは、自律走行研究におけるハードウェアプロトタイピング、シミュレーション、ソフトウェア開発をどのように統合できるか？
• RQ2 スケールダウンされたテストベッドは、制御されたアクセス可能な環境で、実世界の自律走行の課題をどの程度正確に再現できるか？
• RQ3 AutoDRIVEプラットフォームは、エンドツーエンド学習やモジュラー制御を含む多様な自律走行パラダイムをどの程度効果的にサポートできるか？
• RQ4 行動クローンや自律走行のためのシミュレーションから実世界への移行（sim-to-real transfer）において、プラットフォームの性能はいかがなものか？
• RQ5 将来の異種車両、ロボット歩行者、大規模都市シナリオの統合を想定した場合、プラットフォームのスケーラビリティおよび拡張性はどの程度か？

主な発見

• AutoDRIVEは、SLAMおよび確率的ローカライゼーションを用いた自律駐車を成功裏に実装し、所定のマップ上で安定したナビゲーションを達成した。
• データ拡張およびsim2real移行を活用した行動クローンの実装により、車両が人間の運転行動を模倣することができた。
• 集中型制御アーキテクチャを用いた交差点走行が実現され、信号機や標識へのリアルタイム対応が可能になった。
• 集中型スマートシティ管理（SCM）サーバーを用いた検証により、車両行動と信号制御、監視の統合が可能になった。
• Devkit APIを介したシミュレーションから実機へのシームレスなデプロイメントを可能にする分散コンピューティングにより、マルチエージェントシナリオのサポートが実現した。
• モジュラー設計およびオープンアーキテクチャのおかげで拡張性が確保されており、異種車両や高度な都市移動応用への統合が可能である。