[논문 리뷰] AutoDRIVE -- Technical Report

Tanmay Vilas Samak, Chinmay Vilas Samak|arXiv (Cornell University)|2022. 11. 15.

Transportation and Mobility Innovations인용 수 4

한 줄 요약

AutoDRIVE는 자율주행 연구 및 교육을 위한 오픈소스이자 통합형 사이버-물리 플랫폼으로, 1:14 스케일의 시험용 차량, ROS 기반 시뮬레이터, 알고리즘 개발을 위한 Devkit을 포함한다. 이 플랫폼은 실물 하드웨어, 시뮬레이션, 통합 소프트웨어 스택을 통해 자율주행 알고리즘의 엔드 투 엔드 구현을 가능하게 하며, 자율 주차, 행동 클로닝, 교차로 통과, 스마트 시티 관리 등 다양한 응용 분야를 지원한다. 단일 및 다중 에이전트 시스템 모두를 지원한다.

ABSTRACT

This work presents AutoDRIVE, a comprehensive research and education platform for implementing and validating intelligent transportation algorithms pertaining to vehicular autonomy as well as smart city management. It is an openly accessible platform featuring a 1:14 scale car with realistic drive and steering actuators, redundant sensing modalities, high-performance computational resources, and standard vehicular lighting system. Additionally, the platform also offers a range of modules for rapid design and development of the infrastructure. The AutoDRIVE platform encompasses Devkit, Simulator and Testbed, a harmonious trio to develop, simulate and deploy autonomy algorithms. It is compatible with a variety of software development packages, and supports single as well as multi-agent paradigms through local and distributed computing. AutoDRIVE is a product-level implementation, with a vast scope for commercialization. This versatile platform has numerous applications, and they are bound to keep increasing as new features are added. This work demonstrates four such applications including autonomous parking, behavioural cloning, intersection traversal and smart city management, each exploiting distinct features of the platform.

연구 동기 및 목표

• 자율주행 및 스마트 시티 시스템 분야의 연구 및 교육을 위한 종합적이고 접근 가능한 플랫폼 개발.
• 통합된 하드웨어-소프트웨어 생태계를 통해 시뮬레이션과 실제 환경 구현 간 격차를 해소.
• 단일 및 다중 에이전트 시나리오에서 모델 기반 및 데이터 기반 접근 방식을 포함한 다양한 자율주행 패러다임을 지원.
• 핵심 자율주행 응용 분야의 실제 환경 및 시뮬레이션 기반 실행 사례를 통해 플랫폼의 능력을 입증.
• 학계 및 산업계에서 사용 가능한 확장성 있고 확장 가능한, 상용화 가능한 연구 인프라 제공.

제안 방법

• 중복 센서, 액추에이터, 고성능 컴퓨팅을 갖춘 1:14 스케일 자율주행 차량(Nigel)의 설계 및 제작.
• 차량 동역학, 인프라 모델링, 가변 그래픽 및 조명을 지원하는 ROS 기반 시뮬레이터 개발.
• 시험용 차량에 대한 알고리즘 배포를 원활하게 하기 위한 Python API 기반 AutoDRIVE Devkit 구축.
• 자율주행 및 스마트 시티 관리용 모듈러 소프트웨어 스택 구현으로 ROS 및 웹 기반 제어와의 통합 가능.
• SLAM, 확률적 위치 추정, 엔드 투 엔드 학습 파이프라인(예: 행동 클로닝)을 활용한 주행 및 제어.
• 분산 및 로컬 컴퓨팅 지원으로 시뮬레이션 및 실제 환경 테스트에서 단일 및 다중 차량 간 협업 가능.

실험 결과

연구 질문

• RQ1 통합 플랫폼은 자율주행 연구를 위한 하드웨어 프로토타이핑, 시뮬레이션, 소프트웨어 개발을 어떻게 통합할 수 있는가?
• RQ2 작게 축소된 시험용 차량은 통제 가능하고 접근 가능한 환경에서 실제 자율주행 과제를 어느 정도 정확하게 재현할 수 있는가?
• RQ3 AutoDRIVE 플랫폼은 엔드 투 엔드 학습 및 모듈러 제어를 포함한 다양한 자율주행 패러다임을 얼마나 효과적으로 지원하는가?
• RQ4 행동 클로닝 및 자율주행을 위한 시뮬레이션에서 실제 환경으로의 전이 성능은 어떠한가?
• RQ5 이식성과 확장성 측면에서 향후 이종 차량, 로봇 보행자, 대규모 도시 환경 통합을 위한 플랫폼의 확장 가능성은 어떠한가?

주요 결과

• SLAM과 확률적 위치 추정을 활용한 자율주행 주차가 성공적으로 구현되었으며, 정의된 지도에서 안정적인 주행을 달성했다.
• 데이터 증강 및 sim2real 전이 기법을 적용한 행동 클로닝이 구현되어 시험용 차량이 인간의 운전 행동을 모방할 수 있었다.
• 중앙 집중식 제어 아키텍처를 통해 실시간 교통 신호 및 표지판 반응이 가능한 견고한 교차로 통과가 가능해졌다.
• 중앙 집중식 SCM 서버를 통해 차량 행동과 신호등 제어 및 감시 시스템 간의 조율이 가능해져 스마트 시티 관리가 검증되었다.
• 분산 컴퓨팅을 통한 다중 에이전트 시나리오 지원과 Devkit API를 통한 시뮬레이션에서 실제 하드웨어로의 원활한 배포가 가능하다.
• 모듈러 설계와 오픈 아키텍처 덕분에 확장성이 뛰어나 이종 차량 및 고도화된 도시 이동 서비스 응용 분야와의 통합 가능성이 있다.