[論文レビュー] Optimization-based Motion Planning in Virtual Driving Scenarios with Application to Communicating Autonomous Vehicles

Matthias Gerdts, Björn Martens|arXiv (Cornell University)|Jan 23, 2018

Robotic Path Planning Algorithms参考文献 40被引用数 4

ひとこと要約

本稿では、仮想走行シナリオにおける自律走行車両の最適化ベースの運動計画フレームワークを提示している。直接複数シュート法と感度更新を伴うモデル予測制御を用いて、燃料消費を最小限に抑え、安全性を最大化し、衝突回避を確保する最適な軌道を効率的に計算する。主な貢献は、通信可能な自律走行車両を対象とした分散制御アルゴリズムであり、摂動および測定ノイズ下でも安定かつリアルタイムでの軌道追従を可能にしている。

ABSTRACT

The paper addresses the problem of providing suitable reference trajectories in motion planning problems for autonomous vehicles. Among the various approaches to compute a reference trajectory, our aim is to find those trajectories which optimize a given performance criterion, for instance fuel consumption, comfort, safety, time, and obey constraints, e.g. collision avoidance, safety regions, control bounds. This task can be approached by geometric shortest path problems or by optimal control problems, which need to be solved efficiently. To this end we use direct discretization schemes and model-predictive control in combination with sensitivity updates to predict optimal solutions in the presence of perturbations. Applications arising in autonomous driving are presented. In particular, a distributed control algorithm for traffic scenarios with several autonomous vehicles that use car-to-car communication is introduced.

研究の動機と目的

• 仮想走行シミュレーションにおける自律走行車両のための、強固でリアルタイム対応可能な運動計画フレームワークの開発。
• 動的および幾何的制約を満たしつつ、燃料効率、安全性、快適性、時間などの性能基準に基づいて車両軌道を最適化すること。
• 車両間通信を活用した分散制御フレームワークを用いて、複数車両シナリオにおける協調性と安全性の向上を実現すること。
• モデルの摂動、測定ノイズ、初期状態のオフセット下でも、安定性と追従精度を確保すること。
• 環境変化に応じたオンライン再最適化を効率的に行うために、感度に基づく更新を統合すること。

提案手法

• 最適制御問題の直接複数シュート離散化を採用し、軌道最適化の効率的数値解法を可能にする。
• 摂動下での最適解予測を可能にする感度更新付きモデル予測制御（MPC）を用い、リアルタイム適応性を向上させる。
• 軌道計算に、状態変数（x, y, ψ, v, δ）と制御入力（速度v、ステアリング角δ）を有する運動学的車両モデルを適用する。
• 逆運動学と比例誤差フィードバックに基づくフィードバック制御器を実装し、参照スプライン曲線の追従を実現する。
• ゲイン（k₁–k₆）を有する閉ループ制御則を導入し、Hurwitz多項式解析により局所的漸近的安定性を保証する。
• ロバストネステストのため、位置および速度に白色ノイズを用いて測定ノイズと初期状態オフセットをモデル化する。

実験結果

リサーチクエスチョン

• RQ1 複数の性能基準と制約下で、自律走行車両の最適な参照軌道をどのように効率的に計算できるか？
• RQ2 摂動および測定ノイズが、運動計画制御器の安定性と追従性能に与える影響は何か？
• RQ3 分散制御フレームワークにおいて、車両間通信をどのように活用して軌道協調性と安全性を向上できるか？
• RQ4 感度更新は、オンライン再最適化中にリアルタイム性能を維持するために果たす役割は何か？
• RQ5 フィードバック制御を有する閉ループ系が漸近的に安定となる条件は何か？

主な発見

• フィードバック制御器は、理想的な条件下で参照スプライン軌道を正確に追従することができ、すべてのシミュレーションで良好なパスフォローパフォーマンスを示した。
• 位置（±10 m）および速度（±2 m/s）に白色ノイズを加えた状態でも、システムは安定であり、現実的なセンサ誤差に対するロバストネスを示した。
• 参照軌道から初期状態オフセット（10, 10）mが生じても、制御器は正確な追従を達成しており、初期化誤差に対する耐性を確認した。
• 線形化された閉ループ系は、特性多項式がHurwitz多項式に因数分解される場合（λ² + k₃λ + k₄）（λ + k₁）に、局所的漸近的安定性を示す。
• 感度に基づく更新により、オンライン再最適化が効率的に行われ、動的シナリオ下でもリアルタイム性能を維持した。
• 車両間通信に基づく分散制御アルゴリズムにより、複数車両環境における協調的運動計画が可能となり、安全性と効率性が向上した。