[논문 리뷰] A Distributed Model Predictive Control Framework for Road-Following Formation Control of Car-like Vehicles (Extended Version)

Xiangjun Qian, Florent Altché외 2명|arXiv (Cornell University)|2016. 04. 29.

Distributed Control Multi-Agent Systems참고 문헌 21인용 수 5

한 줄 요약

이 논문은 로봇 유사 차량의 도로 따라 이동하는 형성 제어를 위한 분산형 모델 예측 제어(MPC) 프레임워크를 제안한다. 논리 기반 하이브리드 시스템을 사용하여 내부 형성 간의 충돌 회피를 관리하고, 동일한 형성 간 실시간 재구성 기능을 제공한다. 고정밀 시뮬레이션을 통해 장애물, 좁은 도로, 곡선 경로 상황에서도 효과적으로 작동하며 실시간 성능을 유지를 함을 입증한다.

ABSTRACT

This work presents a novel framework for the formation control of multiple autonomous ground vehicles in an on-road environment. Unique challenges of this problem lie in 1) the design of collision avoidance strategies with obstacles and with other vehicles in a highly structured environment, 2) dynamic reconfiguration of the formation to handle different task specifications. In this paper, we design a local MPC-based tracking controller for each individual vehicle to follow a reference trajectory while satisfying various constraints (kinematics and dynamics, collision avoidance, extit{etc.}). The reference trajectory of a vehicle is computed from its leader's trajectory, based on a pre-defined formation tree. We use logic rules to organize the collision avoidance behaviors of member vehicles. Moreover, we propose a methodology to safely reconfigure the formation on-the-fly. The proposed framework has been validated using high-fidelity simulations.

연구 동기 및 목표

• 구조화된 도로 환경에서 장애물 및 다른 차량과의 충돌 회피 문제를 해결하기 위해.
• 다양한 작업 요구사항에 대응하기 위해 차량 형성의 동적 재구성을 가능하게 하기 위해.
• 각 차량이 로컬 MPC를 사용하여 자체 궤적을 계산하는 완전히 분산된 제어 아키텍처를 개발하기 위해.
• 논리 규칙을 MPC에 통합하여 충돌 회피 계산을 단순화하고 의미적 해석 가능성 향상을 위해.
• 형성 변경 및 장애물 통과 중 실시간 실행 가능성과 안정성을 확보하기 위해.

제안 방법

• 각 차량은 운동학적, 동역학적 제약 및 충돌 회피 조건을 만족하면서 기준 궤적을 추적하는 제어 입력의 시퀀스를 생성하기 위해 로컬 MPC 제어기를 사용한다.
• 후행 차량의 기준 궤적은 사전 정의된 형성 트리 구조를 사용해 선도 차량의 궤적에서 계산되며, 상대적 위치 일관성을 보장한다.
• 하이브리드 시스템 접근법을 통해 논리 규칙과 MPC를 결합하여 충돌 회피 행동을 조직화함으로써 계산 부담을 감소시키고 예측 가능성 향상.
• 잠재적 충돌 탐지를 위해 공간 분할 방법을 사용하며, 종방향 해상도(Δs = 10 m)와 횡방향 해상도(Δr = 3 m)를 적용한다.
• 정해진 시간에 형성 트리의 구조를 전환하여 형성 재구성을 달성함으로써 동일 형상 전환을 가능하게 한다.
• 모든 차량에 대해 0.256 s의 재계획 주기와 5 s의 예측 수평선을 사용하여 C++로 구현하였으며, ACADO 툴킷을 활용하였다.

실험 결과

연구 질문

• RQ1 어떻게 분산형 MPC를 효과적으로 적용하여 구조화된 도로 환경에서 형성 유지와 함께 충돌 회피를 달성할 수 있는가?
• RQ2 논리 규칙은 MPC 프레임워크 내에서 내부 형성 간 충돌 회피를 단순화하고 조직화하는 데 어떤 역할을 하는가?
• RQ3 동적 주행 상황에서 형성 재구성을 안전하고 효율적으로 수행하는 방법은 무엇인가?
• RQ4 좁은 통로와 곡선 구간과 같은 복잡한 도로 조건에서도 제안된 프레임워크가 실시간 성능을 유지할 수 있는가?
• RQ5 논리 규칙의 통합이 자율 차량 형성 제어의 해석 가능성과 안정성 향상에 어떻게 기여하는가?

주요 결과

• 프레임워크는 명확한 도로 구간에서 형성 오차가 최소화되며, 형성 오차가 0에 수렴함(ei ≈ 0)을 달성한다.
• 차량 2는 좁은 통로에서 차량 1과의 충돌을 피하기 위해 t = 13 s에 감속함으로써 내부 형성 간 충돌 회피가 효과적으로 작동함을 입증한다.
• 궤적 분석 결과, 차량들은 장애물을 통과하기 위해 일시적으로 형상을 변형한 후 원래의 구성으로 복귀함을 확인할 수 있다.
• 계산 시간은 실시간 제약 조건 내에서 유지되며, 모든 차량에서 일관된 성능을 보임을 확인할 수 있다.
• t = 15.4 s, 30.8 s, 46.5 s에 이르는 동일 형상 전환은 곡선 도로에서도 충돌 없이 매끄럽게 수행됨을 확인함.
• 고정밀 시뮬레이션을 통해 프레임워크가 장애물, 도로 축소, 복잡한 도로 기하학적 형태를 효과적으로 처리함을 확인함.