[논문 리뷰] Baidu Apollo EM Motion Planner

Haoyang Fan, Fan Zhu외 8명|arXiv (Cornell University)|2018. 07. 20.

Autonomous Vehicle Technology and Safety참고 문헌 12인용 수 242

한 줄 요약

이 논문은 Baidu Apollo용으로 real-time, 오픈 소스 모션 플래닝 시스템(EM planner)을 제시하며 다차선, 경로-속도 반복적 접근을 통해 Frenet 공간에서 DP와 spline QP를 결합하여 고속도로 및 도시 운전에 대한 안전성, 편안함 및 확장성을 보장한다.

ABSTRACT

In this manuscript, we introduce a real-time motion planning system based on the Baidu Apollo (open source) autonomous driving platform. The developed system aims to address the industrial level-4 motion planning problem while considering safety, comfort and scalability. The system covers multilane and single-lane autonomous driving in a hierarchical manner: (1) The top layer of the system is a multilane strategy that handles lane-change scenarios by comparing lane-level trajectories computed in parallel. (2) Inside the lane-level trajectory generator, it iteratively solves path and speed optimization based on a Frenet frame. (3) For path and speed optimization, a combination of dynamic programming and spline-based quadratic programming is proposed to construct a scalable and easy-to-tune framework to handle traffic rules, obstacle decisions and smoothness simultaneously. The planner is scalable to both highway and lower-speed city driving scenarios. We also demonstrate the algorithm through scenario illustrations and on-road test results. The system described in this manuscript has been deployed to dozens of Baidu Apollo autonomous driving vehicles since Apollo v1.5 was announced in September 2017. As of May 16th, 2018, the system has been tested under 3,380 hours and approximately 68,000 kilometers (42,253 miles) of closed-loop autonomous driving under various urban scenarios. The algorithm described in this manuscript is available at https://github.com/ApolloAuto/apollo/tree/master/modules/planning.

연구 동기 및 목표

• 실시간 시스템에서 안전성, 편안함 및 확장성을 갖춘 산업용 레벨-4 모션 플래닝 문제를 다룬다.
• 병렬 차선 수준 최적화기를 통해 차선 변경을 다루고 교차 차선 결정 메커니즘을 포함하는 다차선 프레임워크를 개발한다.
• Frenet 좌표에서 경로와 속도를 반복적으로 최적화하기 위해 DP와 spline-quadratic-programming (QP) 하이브리드를 사용하여 교통 규칙과 장애물 결정에 맞춘다.
• 고속도로 및 도시 운전에 대한 확장성을 입증하고 도로 위 검증 및 시스템 배치 지표를 제공한다.
• Apollo 오픈 소스 플랫폼을 활용하여 모듈식이며 안전 우선의 자율주행 계획을 가능하게 한다.

제안 방법

• 병렬로 후보 차선 궤적이 생성되고 교차 차선 결정자가 비용과 안전성에 기반해 최적의 궤적을 선택하는 다차선 프레임워크를 도입한다.
• 차선 수준 최적화를 Frenet 프레임을 사용하여 SL(정거장-횡) 및 ST(정거장-시간) 문제로 형식화하고; E-스텝(장애물 프로젝션)과 M-스텝(경로 및 속도 최적화)을 수행한다.
• 두 단계 경로 최적화를 사용한다: DP 경로 스텝으로 거친 터널과 장애물 결정을 생성하고, 이어 그 터널 안에서 스플라인 기반의 QP 경로 정제 작업을 수행한다.
• 차량 다이나믹스 및 교통 규정을 제약으로 하여 DP 기반의 ST 그래프 탐색으로 속도 프로파일을 계산한 후, 스플라인 QP 속도 최적화로 정제한다.
• 이전 사이클의 핫 스타트로 QP 문제를 효율적으로 해결하고 문제당 몇 밀리초 수준의 시간으로 실시간 계획을 가능하게 한다(평균 <100 ms).
• 비확정성(비볼록성)을 DP(전역 탐색에 준하는)과 QP(볼록 최적화)를 결합하여 균형 있게 해결하고 견고한 경로-속도 해를 얻는다.

실험 결과

연구 질문

• RQ1 다중 차선 시나리오에서 동적 장애물을 가진 실시간 자율 주행 모 planner가 교통 법규를 준수하며 안전하게 작동할 수 있는가?
• RQ2 프렐렛 Frenet 공간에서의 2단계 DP + spline QP 최적화가 고속도로 및 도시 운전에서 확장 가능하고 매끄럽고 안전한 경로와 속도 프로파일을 제공할 수 있는가?
• RQ3 제안된 EM 플래너의 계산 효율성은 얼마나 되며 자동차 하드웨어에서 실시간 배치가 가능한가?
• RQ4 Parallel 차선 프레임워크 내에서 차선 변경 의사결정을 수동적(passive) 대 비수동적(nonpassive)으로 관리하여 안전성과 승차감을 유지하는 방법은?
• RQ5 Apollo 플랫폼 내 EM 플래너의 실제 배치 메트릭 및 도로 상 검증 결과는 무엇인가?

주요 결과

• EM 플래너는 실시간 성능을 달성하며 DP+QP 경로 및 속도 최적화를 2차원 볼록 영역에서 해결하고 경로 및 속도 문제의 평균 QP 해 시간은 약 3 ms이다.
• 이 접근법은 3D의 station-lateral-speed 문제를 두 개의 2D 문제로 변환하여 계산 복잡도를 줄이고 실제로 <100 ms의 계획 주기를 가능하게 한다.
• 시스템은 수십 대의 Apollo 차량에서 배치되어 3,380시간의 종합 폐쇄 루프 테스트와 약 68,000 km를 2018년 5월 16일 기준으로 달성했다.
• 플래너는 복잡하고 다중 장애물이 있는 도시 시나리오를 다루며 안전성과 주행 가능성을 유지하는 무거운 규칙 기반 계획 없이도 경량 의사결정 기반 접근 방식을 보여준다.
• DP+QP의 조합은 비볼록 최적화 문제를 완화하고, DP로 타당한 영역을 탐색하고 QP로 볼록 궤범 내 최적 궤적을 정제한다.