[論文レビュー] TDR-OBCA: A Reliable Planner for Autonomous Driving in Free-Space Environment

Runxin He, Jinyun Zhou+7 more|arXiv (Cornell University)|Sep 23, 2020

Robotic Path Planning Algorithms参考文献 20被引用数 4

ひとこと要約

TDR-OBCA は、時間的および二重変数のウォームスタートと問題の再定式化を用いて、自由空間環境における自律走行のための最適化ベースの軌道計画手法であり、耐障害性、走行快適性、効率性を向上させる。障害率は 96.67% 減少し、走行快適性は 13.53% 向上し、障害物数の変動にかかわらず計画効率は最大 44.82% 向上した。シミュレーションおよび米国・中国における数時間にわたる実走行テストで検証された。

ABSTRACT

This paper presents an optimization-based collision avoidance trajectory generation method for autonomous driving in free-space environments, with enhanced robustness, driving comfort and efficiency. Starting from the hybrid optimization-based framework, we introduces two warm start methods, temporal and dual variable warm starts, to improve the efficiency. We also reformulate the problem to improve the robustness and efficiency. We name this new algorithm TDR-OBCA. With these changes, compared with original hybrid optimization we achieve a 96.67% failure rate decrease with respect to initial conditions, 13.53% increase in driving comforts and 3.33% to 44.82% increase in planner efficiency as obstacles number scales. We validate our results in hundreds of simulation scenarios and hundreds of hours of public road tests in both U.S. and China. Our source code is available at https://github.com/ApolloAuto/apollo.

研究の動機と目的

• 駐車やハイキングなどの自由空間走行シナリオにおける、既存の軌道計画手法の高い障害率と非効率性に対処すること。
• 非ホロノミックかつ運動学的制約のある環境において、多様な初期条件や障害物配置に対する耐障害性を向上させること。
• 最適化コスト関数における制御入力をペナルティ化することで、急なステアリング指令を最小限に抑え、走行快適性を向上させること。
• 実時間実行を実現するための計算効率を高めること、特に障害物数の増加に伴っても有効であること。
• 米国および中国における広範なシミュレーションおよび道路走行テストを通じて、計画手法の性能を多様な実世界条件で検証すること。

提案手法

• 直前の時間ステップで得られた解軌道を再利用することで、収束を加速する時間的ウォームスタートを導入する。
• 直前の解から得られる双対変数を初期化することで、逐次二次計画法における双対収束を改善する二重変数ウォームスタートを適用する。
• 衝突回避制約を双対表現に再定式化することで、バイナリ変数を排除し、連続的かつ大規模なモデル予測制御（MPC）問題に変換する。
• ステアリングおよび加速入力の滑らかさペナルティを組み込むことで、走行快適性の向上と制御効率の低下を実現する。
• TDR-OBCA をアポロ自律走行プラットフォームに統合し、エゴ車両が非走行領域にいる場合や自由空間での操作を実行する際に起動する。
• トラジェクトリースティッチング、安全確認、ギアベースのパーティショニングを用いて、CANバスを介した制御実行に適した出力を準備する。

実験結果

リサーチクエスチョン

• RQ1 ウォームスタート技術は、多様な初期条件下での自由空間自律走行における軌道計画手法の障害率を顕著に低減できるか？
• RQ2 衝突制約を双対形式に再定式化することで、非凸MPC問題における計算効率と耐障害性はどの程度向上するか？
• RQ3 コスト関数に滑らかさペナルティを組み込むことで、実世界のシナリオにおける走行快適性と制御効率にどのような影響を与えるか？
• RQ4 障害物数の増加に伴っても、特に動く歩行者や車両が存在する複雑な環境において、提案手法は実時間性能を維持できるか？
• RQ5 TDR-OBCA アルゴリズムは、駐車、ハイキング、3点回転などの多様な実世界走行条件下で一貫した性能を示すか？

主な発見

• 異なる初期条件下で、軌道計画の障害率は 37.5% から 1.25% に低下し、障害率は 96.67% 減少した。
• 最適化解におけるステアリング制御出力の分散が低減されたことから、走行快適性が 13.53% 以上向上した。
• 障害物数の増加に伴うシナリオにおいて、計画効率は 3.33% から 44.82% まで向上した。これには移動障害物や境界制約も含まれる。
• 米国および中国における実道路走行テストでは、横方向追従誤差が 0.01–0.2 メートルの範囲に保たれ、最終ポーズにおける航向誤差は 0.14 度未満であった。
• 逆走駐車、短距離逆走駐車、ジグザグ駐車などの複雑な操作に対しても、滑らかで運動学的に実行可能な軌道を高い精度で生成できた。
• シミュレーション（282 ケース）および数百時間にわたる実走行テストにおいて、本手法はスケーラビリティと耐障害性を示し、実用的な自律走行システムへの導入可能性を確認した。