[論文レビュー] DL-IAPS and PJSO: A Path/Speed Decoupled Trajectory Optimization and its Application in Autonomous Driving

Jinyun Zhou, Runxin He+6 more|arXiv (Cornell University)|Sep 23, 2020

Robotic Path Planning Algorithms参考文献 20被引用数 7

ひとこと要約

本論文は、衝突回避性、制御可能性、走行快適性を向上させる自律走行のための経路/速度分離型トラジェクトリ最適化フレームワークであるDL-IAPSおよびPJSOを提案する。反復的かつ滑らかな曲率制約付き経路（DL-IAPS）と区分的ジャージャー速度プロファイル最適化（PJSO）により、0.2秒未塔のトラジェクトリ計算を実現し、リアルタイム性能を達成。T4レベルの自律走行テストを含む複雑なシナリオでも成功した実行が可能となった。

ABSTRACT

This paper presents a free space trajectory optimization algorithm of autonomous driving vehicle, which decouples the collision-free trajectory planning problem into a Dual-Loop Iterative Anchoring Path Smoothing (DL-IAPS) and a Piece-wise Jerk Speed Optimization (PJSO). The work leads to remarkable driving performance improvements including more precise collision avoidance, higher control feasibility and better driving comfort, as those are often hard to realize in other existing path/speed decoupled trajectory optimization methods. Our algorithm's efficiency, robustness and adaptiveness to complex driving scenarios have been validated by both simulations and real on-road tests.

研究の動機と目的

• 既存の経路/速度分離型手法が、正確な衝突回避性、制御可能性、走行快適性を達成する点で抱える限界を解消すること。
• 自由空間シナリオにおける前進および後退走行をサポートする計算効率の高いトラジェクトリ最適化フレームワークの開発。
• 非ホロノミック車両動力学制約を厳密に遵守しつつ、滑らかで最小時間かつ快適な速度プロファイルを維持すること。
• 本手法の有効性を、実世界のT4レベルテストや米国現地テストを含む多様で複雑な走行環境で検証すること。

提案手法

• 本手法は、トラジェクトリ最適化を2段階に分離する：経路平滑化のための二重ループ反復アンカリング経路平滑化（DL-IAPS）と速度プロファイル最適化のための区分的ジャージャー速度最適化（PJSO）。
• DL-IAPSは、正確な多角形形状の車両および障害物を用いた反復的衝突検査を実行し、平均計算時間は障害物なしで0.07秒、複雑な障害物ありで0.18–0.21秒を達成。
• DL-IAPSは、修正された逐次凸最適化（SCP）を用いて最大曲率制約を強制し、非ホロノミック車両動力学に準拠することを保証。
• PJSOは、走行時間の最小化を目的としつつ、区分的ジャージャー最小化による走行快適性を組み込み、加速度およびジャージャーに硬い制約を設ける。
• 本フレームワークはアポロ自律走行プラットフォームに統合され、シミュレーションおよび実地テストにより検証された。
• 車両コントローラは、QPソルバとフィードフォワードキャリブレーションを備えた線形化モデル予測制御（MPC）を用い、最適化されたトラジェクトリを実行。

実験結果

リサーチクエスチョン

• RQ1 経路/速度分離型手法は、車両および障害物の形状を円形近似に依存せずに、正確かつリアルタイムの衝突回避を達成できるか？
• RQ2 経路平滑化において、非ホロノミック車両動力学制約を厳密に遵守することで、制御可能性を確保できるか？
• RQ3 走行時間の最小化と走行快適性の両立を、硬い動的制約を満たしながら実現できる速度最適化手法は存在するか？
• RQ4 提案されたフレームワークは、T4レベルテストを含む複雑な実世界の自律走行シナリオにおいても信頼性の高い性能を発揮できるか？

主な発見

• DL-IAPSおよびPJSOフレームワークは、複雑な障害物状況下でも0.18–0.21秒の間で全トラジェクトリを計算し、リアルタイム性能を実証した。
• 正確な多角形形状の車両および障害物表現を用いることで、円形または線形近似に起因する推定誤差を低減し、正確な衝突回避性を達成。
• 制御可能性が顕著に向上し、修正されたSCPを用いた最大曲率制約の厳密な遵守により、従来手法で見られた制約違反を回避。
• PJSO部は、走行時間の最小化と走行快適性の両立に成功し、ロボタクシー用途に適した滑らかでジャージャー最小化された速度プロファイルを生成。
• プランナは、中国で最も厳しい自律走行テストである10のT4レベル自由空間シナリオをすべて通過可能にし、並進駐車テストでは平均横方向誤差0.0619m、Heading誤差1.3011°を達成。
• 米国および中国での道路走行テストでは、高精度な実行が確認され、抜粋走行シナリオにおいて平均横方向誤差0.0447m、Heading誤差1.956°を記録。制御可能性および耐障害性が裏付けられた。