[論文レビュー] Autonomous Racing with AutoRally Vehicles and Differential Games

Grady Williams, Brian Goldfain+3 more|arXiv (Cornell University)|Jul 14, 2017

Advanced Control Systems Optimization参考文献 8被引用数 9

ひとこと要約

本論文では、微分ゲーム理論とMPPIを組み合わせることで、自律走行車両が人間ドライバーの行動を予測・反応可能にする、リアルタイム採択ベースの制御フレームワーク「ベストリスポンス・モデル予測経路積分制御（BR-MPPI）」を提案する。実世界の実験では、2台のAutoRallyプラットフォームを用いて、反応性の高い衝突回避と知的な追い越し行動を実現した。ピークスピードが低いにもかかわらず、一貫性と経路品質において人間パイロットを上回った。

ABSTRACT

Safe autonomous vehicles must be able to predict and react to the drivers around them. Previous control methods rely heavily on pre-computation and are unable to react to dynamic events as they unfold in real-time. In this paper, we extend Model Predictive Path Integral Control (MPPI) using differential game theory and introduce Best-Response MPPI (BR-MPPI) for real-time multi-vehicle interactions. Experimental results are presented using two AutoRally platforms in a racing format with BR-MPPI competing against a skilled human driver at the Georgia Tech Autonomous Racing Facility.

研究の動機と目的

• 動的な敵対的状況下の自律走行を実現するリアルタイム制御フレームワークの開発。
• 事前計算された制御手法の限界を克服し、進行中の相互作用にリアルタイムで応答可能にする。
• スケールドされた自律走行車両と人間パイロットの対比を用いた実世界環境での手法の検証。
• 高速で非線形な力学的特性を示す激しい走行条件下での複数車両間の相互作用の分析。
• 微分ゲーム理論を動的レーシングシナリオにおける実ロボットプラットフォームに適用可能であることを示す。

提案手法

• BR-MPPIはMPPIを拡張し、ゲーム理論からのベストリスポンスダイナミクスを組み込み、相手の行動をエージェントの軌道に対する反応としてモデル化する。
• コントローラーは、自律走行車両と人間パイロット車両間で、位置・速度などのリアルタイム状態推定値をXBeeラジオを介して交換する。
• コスト関数は、追従車両が衝突に入るとペナルティ（10,000）が課され、先行車両は位置維持を奨励するが、非対称なペナルティを設定して、攻撃的でありながら安全な行動を促進する。
• アルゴリズムは確率的制御軌道をサンプリングし、相手がベストリスポンスを取ると仮定したもとで期待コストを最小化する軌道を選択する。
• 1/5スケールのAutoRally車両上で実装されており、50マイル/hを超える速度を発揮し、非線形な車両ダイナミクスのリアルなテストが可能である。
• フレームワークはサンプリングベースのアプローチを用いてハミルトニアン・ジョルダン＝アイザックス方程式の解を近似し、微分ゲームにおける次元の呪いを回避する。

実験結果

リサーチクエスチョン

• RQ1 採択ベースの制御手法は、リアルタイムの自律走行レースにおいて人間ドライバーの行動を効果的にモデル化・反応可能か？
• RQ2 ベストリスポンスダイナミクスを組み込むことで、複数車両レースシナリオにおける安全性とパフォーマンスはどのように向上するか？
• RQ3 自律走行車両は、実世界の高速走行環境において熟練した人間ドライバーを上回れるか、その程度はいかほどか？
• RQ4 リアルタイムの車両間通信は、正確な相手状態推定と反応型制御を実現するために果たす役割は何か？
• RQ5 コスト関数の設計と動的モデル化は、知的な追い越し行動と衝突回避の成功にどのように影響を与えるか？

主な発見

• BR-MPPIアルゴリズムは、ジョージア工科大学自律走行施設で、熟練した人間ドライバーと対戦する2台のAutoRallyプラットフォームを用いて、実世界のレース試験を成功裏に完了した。
• ピーク直線速度が低いにもかかわらず、自律走行車両は人間パイロットに比べて経路の一貫性が高く、コーナーでの走行速度も上回った。
• アルゴリズムは優れた反忟能性を示し、相手車両が急にコースを変更した場合にも、迅速に軌道を調整して衝突を回避した。
• 特にタイトなコーナーにおいて、相手の行動を予測して内側ラインをハグする知的な追い越し行動が成功裏に実行された。
• 追従状態で衝突した場合に10,000のペナルティが課されるが、アルゴリズムはリアルタイムでの行動調整により衝突を回避し、高いロバスト性を示した。
• 自律走行車両が一貫して人間ドライバーを追い抜くことはできなかったが、コスト関数のチューニングとより良い動的モデルの導入により、パフォーマンス向上が期待できる。