[論文レビュー] TUM autonomous motorsport: An autonomous racing software for the Indy Autonomous Challenge

Johannes Betz, Tobias Betz+17 more|arXiv (Cornell University)|May 31, 2022

Autonomous Vehicle Technology and Safety被引用数 4

ひとこと要約

本論文は、インディ・オートノムス・チャレンジ向けに開発されたTUM自律レーシングソフトウェアスタックを提示する。このスタックは、モジュラーかつシミュレーション駆動の開発パイプラインを備えており、オーバルコースにおける高速自律走行を可能としている。チームはインディアナポリスで1位、ラスベガスで2位を達成し、最高速度270 km/h、加速度28 m/s²に達した。本研究では、包括的な実走行およびシミュレーションテストを経て、統合された認識・自己位置推定・計画・制御アルゴリズムにより、車両の物理的限界に近い安定した性能を実証した。

ABSTRACT

For decades, motorsport has been an incubator for innovations in the automotive sector and brought forth systems like disk brakes or rearview mirrors. Autonomous racing series such as Roborace, F1Tenth, or the Indy Autonomous Challenge (IAC) are envisioned as playing a similar role within the autonomous vehicle sector, serving as a proving ground for new technology at the limits of the autonomous systems capabilities. This paper outlines the software stack and approach of the TUM Autonomous Motorsport team for their participation in the Indy Autonomous Challenge, which holds two competitions: A single-vehicle competition on the Indianapolis Motor Speedway and a passing competition at the Las Vegas Motor Speedway. Nine university teams used an identical vehicle platform: A modified Indy Lights chassis equipped with sensors, a computing platform, and actuators. All the teams developed different algorithms for object detection, localization, planning, prediction, and control of the race cars. The team from TUM placed first in Indianapolis and secured second place in Las Vegas. During the final of the passing competition, the TUM team reached speeds and accelerations close to the limit of the vehicle, peaking at around 270 km/h and 28 ms2. This paper will present details of the vehicle hardware platform, the developed algorithms, and the workflow to test and enhance the software applied during the two-year project. We derive deep insights into the autonomous vehicle's behavior at high speed and high acceleration by providing a detailed competition analysis. Based on this, we deduce a list of lessons learned and provide insights on promising areas of future work based on the real-world evaluation of the displayed concepts.

研究の動機と目的

• レーシングカーの物理的限界に近い性能を発揮できる、高パフォーマンスでモジュラーな自律走行ソフトウェアスタックの開発。
• 高精度なシミュレーションと実走行テストを組み合わせることで、高速オーバルコースにおける安全で信頼性の高い自律走行を実現すること。
• 自律走行アルゴリズムの迅速な反復と検証を可能にする、スケーラブルで拡張可能なソフトウェア開発ワークフローの確立。
• 実走行コンペティションのデータから得られる実用的知見を、今後の自律走行車の安全性とスケーラビリティに関する研究に活かすこと。
• 自律走行車コミュニティのためのオープンリサーチを促進し、ソフトウェアスタックと開発パイプラインを公開リソースとして提供すること。

提案手法

• ROS 2を用いたリアルタイム通信を実現する認識・自己位置推定・予測・計画・制御モジュールを統合したモジュラーなソフトウェアアーキテクチャの設計。
• 導入前のテストおよびアルゴリズム検証を目的とした、CARLAに基づく高精度なシミュレーション環境の実装。
• シミュレーション、ハードウェアインザループ（HIL）、および実走行レーストラック（ルーカス・オイル・レースウェイ、インディアナポリス・モータースピードウェイ、ラスベガス・モータースピードウェイ）でのテストを組み合わせたマルチステージのテストパイプラインの開発。
• YOLOv5を用いた物体検出と、学習された運動モデルを用いた動的障害物予測に向けた高度な認識アルゴリズムの採用。
• 運動学的および動的制約の下でリアルタイム最適化を実行する非線形モデル予測制御（NMPC）を用いた軌道計画。
• 事前にマップされたレースコース中央線およびレーンマークを用いたマップベースの補正と、GPS/IMUデッドレコニングを組み合わせたハイブリッド自己位置推定手法。

実験結果

リサーチクエスチョン

• RQ1 物理的限界に近い走行を可能とする、モジュラーかつシミュレーション検証済みのソフトウェアスタックをどのように開発できるか？
• RQ2 包括的なシミュレーションおよびテストパイプラインは、高速自律走行における耐障害性と安全性を確保するために果たす役割は何か？
• RQ3 28 m/s²の加速度および270 km/hの速度という極限的な動的条件下で、認識・予測・制御アルゴリズムはどのように相互作用するか？
• RQ4 マルチビークル走行シナリオへの自律走行のスケーリングにおける主な課題は何か。ソフトウェアアーキテクチャとシミュレーションを用いてそれらをどのように解決できるか？
• RQ5 実走行レースから得られる教訓は、一般道路への実装や将来の都市部自律走行アプリケーションにどのように応用可能か？

主な発見

• TUMのソフトウェアスタックにより、ラスベガスのパスコンペティション中、車両は最高速度270 km/h、最大加速度28 m/s²に達した。これは、車両の物理的限界に近い走行を実証した。
• チームは、単一車両走行のインディアナポリス・モータースピードウェイコンペティションで1位、マルチビークルパスコンペティションのラスベガス・モータースピードウェイで2位を獲得した。
• シミュレーション駆動の開発パイプラインのおかげで、実走行テストのリスクが著しく低減され、認識・予測・制御アルゴリズムの反復的改善が可能になった。
• リアルタイム障害物予測と組み合わせたNMPCベースの軌道計画により、高速走行下でも安全かつ攻撃的なスリップ・オーバー走行が実現した。
• ROS 2に基づくモジュラーなアーキテクチャのおかげで、ソフトウェアの保守性が向上し、異なるコンペティション形式や車両設定への迅速な展開が可能になった。
• コンペティション分析から、とくにマルチモーダルな予測とセンサーノイズの処理が、高性能な自律走行において極めて重要であることが明らかになった。