[論文レビュー] Local NMPC on Global Optimised Path for Autonomous Racing

Dvij Kalaria, Parv Maheshwari+5 more|arXiv (Cornell University)|Sep 15, 2021

Robotic Path Planning Algorithms参考文献 12被引用数 6

ひとこと要約

本稿では、自律レーシングのための2段階制御フレームワークを提案する。まず、時間最小化のための軌道最適化により、グローバルに最適なレーシングラインを計算し、次に、そのラインを参照として使用する局所的な非線形モデル予測制御（NMPC）を採用することで、進行を最大化し、他の車両との衝突を回避するとともに、ドラフト効果を活用する。この手法は、センター・ラインベースのNMPCと比較して、ラップタイムと安定性を顕著に向上させ、シミュレーションでの検証により、スラローム走行や高速コーナリングにおける優れた性能を示している。

ABSTRACT

The paper presents a strategy for the control of anautonomous racing car on a pre-mapped track. Using a dynamic model of the vehicle, the optimal racing line is computed, taking track boundaries into account. With the optimal racing line as areference, a local nonlinear model predictive controller (NMPC) is proposed, which takes into account multiple local objectives like making more progress along the race line, avoiding collision with opponent vehicles, and use of drafting to achieve more progress.

研究の動機と目的

• グローバルに最適化されたレーシングラインを参照として用いることで、従来のセンター・ラインベースの手法を上回る制御戦略を自律レーシングカーに開発すること。
• 高速走行時の車両動力学的特性を正確に再現するため、高速域における動的で高精度なタイヤ力モデルを統合すること。
• 複数エージェント間のレーシングを効果的に行えるように、NMPC制御器にドラフト効果モデルを統合し、戦略的オーバtakeを可能にすること。
• コーナーでの最適レーシングラインと統合することで、局所的な軌道追従性を向上させ、進行を最大化し、偏差を最小限に抑えること。
• 現実的な動力学および相手車両の行動を再現するシミュレーテッドマルチエージェントレーシング環境で、制御器の妥当性を検証すること。

提案手法

• 最小時間軌道最適化による数値的最適化により、レール境界および車両動力学を制約として、グローバルに最適なレーシングラインを計算する。
• 局所的なNMPC制御器は、最適レーシングラインを参照パスとして使用し、コスト関数はラインに沿った進行をコーナリング誤差よりも優先する。
• 修正版ペースジャックタイヤモデルが非線形で高速域におけるタイヤ力の挙動を捉え、極端な条件下での動的精度を向上させる。
• ドラフト効果モデルがコスト関数に組み込まれ、エゴ車両が先行車両の後方で位置することで抗力が低下し、速度が向上するよう促進される。
• オーバーミング意思決定は動的に実行される：相手車両が臨界距離以内に検出された場合、対称的なコスト条件を避けるために、事前に決定された優先方向（左/右）にオーバーミング方向を選択する。
• NMPCはIPOPTを用いてリアルタイムで解き、予測ホライズンを1秒とし、各タイムステップで最初の制御入力を実行する。

実験結果

リサーチクエスチョン

• RQ1 局所的なNMPCにグローバルに最適化されたレーシングラインを参照として用いることで、センター・ラインベースの手法と比較してラップタイムと軌道追従性が向上するか？
• RQ2 動的タイヤ力モデルを統合することで、高速走行における制御の精度と安定性にどのような影響を与えるか？
• RQ3 NMPCにドラフト対応コスト関数を組み込むことで、マルチエージェントレーシングにおける速度向上とオーバーミング性能にどの程度の向上効果が得られるか？
• RQ4 動的オーバーミング方向選択により、近接状況における振動的挙動がどのように抑制され、耐障害性が向上するか？
• RQ5 非線形で高精度なモデルを用いたリアルタイムNMPCが、シミュレーテッドマルチエージェントレーシング環境で計算的に実現可能か？

主な発見

• 最適レーシングラインを参照として用いた提案されたNMPCは、コーナリング誤差ベースの手法と比較して、軌道のずれを低減し、レーストラックに沿った進行を向上させた。
• 動的タイヤモデルの統合により、高速コーナリングおよび縦方向動力学の正確なシミュレーションが可能となり、現実的な制御性能を実現する上で不可欠であった。
• ドラフトコスト項のおかげで、直線走行時に先行車両の後方を走行する際、顕著な速度上昇が観察され、戦略的な位置取りが明確に再現された。
• アルゴリズムは一貫した方向選択を伴い、対称的なコスト条件による振動を回避する形で、オーバーミング走行を成功裏に実行した。
• 5ラップのマルチエージェントレーシングシナリオのシミュレーションにおいて、安定した高速走行性能を示し、対人戦状況下でも耐障害性を確認した。
• 満足のいく性能を発揮したが、IPOPTを用いた非線形最適化の計算負荷のため、リアルタイムで約5 FPSで実行されており、将来の高速化のための線形化やイテレーティブLQRの導入が求められる。