[논문 리뷰] Decentralised Cooperative Collision Avoidance with Reference-Free Model Predictive Control and Desired Versus Planned Trajectories

C. E. Wartnaby, Daniele Bellan|arXiv (Cornell University)|2019. 04. 15.

Traffic control and management인용 수 4

한 줄 요약

이 논문은 목적지 경로와 계획된 경로를 사용하는 기준 없음 모델 예측 제어(MPC)를 활용한 탈중앙화된 협동 충돌 회피 프레임워크를 제안한다. 차량들은 비협력적 대상의 예측 경로를 기반으로 개별적으로 목적지 경로를 계산하고, 다른 이들의 목적지 경로를 피하도록 조정함으로써 지도자가 없는 안정적인 협업을 가능하게 하며, 명시적 협조 없이도 다양한 시나리오에서 효과적인 충돌 회피를 달성한다. 계산 비용은 선형적으로 증가한다.

ABSTRACT

Connected and automated vehicles provide a new opportunity for highly advanced collision avoidance, in which several cars cooperate to reach an optimal overall outcome, that no single car acting in isolation could achieve. For example, one car may automatically swerve to allow another to avoid an obstacle. However, this requires solving the challenging problem of deciding what joint trajectories an ad-hoc group of cooperating vehicles should follow, with no obvious leader known in advance. To avoid the complexities of agreeing what plan to follow in an ever-evolving situation, a protocol requiring no leader and no explicit inter-vehicle agreement is desirable, which nevertheless yields cooperative, robust behaviour. One method is demonstrated here, in simulation. This uses the notion of "desired" versus "planned" trajectories, allowing vehicles to influence each other for mutual benefit, without requiring a leader or explicit agreement protocol. Essentially the desired trajectory is that which the vehicle would choose if other cooperating vehicles were not present, avoiding the predicted paths of non-cooperating actors. The planned trajectory additionally accounts for the planned trajectories of other cooperating vehicles, giving the safest currently available path. Both trajectories are broadcast. As each vehicle attempts to (weakly) avoid the desired trajectories of other vehicles, cooperative behaviour emerges. A simple form of model predictive control is used. The cost function penalises predicted collisions, accounting for severity. There is a weak preference for maintaining the current road lane, but no explicit reference trajectory. This decentralised planning and simple optimisation scheme results in effective handling of a wide range of collision scenarios, with no hard limit to the number of cooperating vehicles. The computing cost is linear in the number of vehicles.

연구 동기 및 목표

• 지정된 지도자나 차량 간의 명시적 협약 없이도 연결된 자율 주행 차량 간의 협동적 충돌 회피를 가능하게 하기 위해.
• 중앙 집중적 조율 없이도 동적으로 형성되는 일시적 차량 그룹에서의 탈중앙화된 경로 계획 과제를 해결하기 위해.
• 안전성과 강건성을 유지하면서 계산 오버헤드를 최소화하는 확장 가능한 솔루션을 개발하기 위해.
• 차량 간 경로 방송을 통해 상호 행동에 영향을 주어 명시적 계획 공유 없이도 상호 안전성을 증진시키기 위해.

제안 방법

• 각 차량은 비협력적 대상의 예측 경로를 피하기 위해 기준 없음 MPC 설정을 사용하여 '목적지' 경로를 계산한다.
• 다른 차량의 목적지 경로를 피하는 방식으로 '계획된' 경로를 생성함으로써 협동적 안전성을 확보한다.
• 목적지 경로와 계획된 경로를 모두 인접 차량에게 방송하여 상호 인식을 도모한다.
• MPC 목적 함수는 충돌 예측에 심각도 가중치를 적용하여 더 안전한 경로 선택을 유도한다.
• 차선 유지를 약간 선호하는 요소가 포함되어 있으나, 명시적인 기준 경로는 사용하지 않는다.
• 계산 비용이 차량 수에 비례하여 선형적으로 증가하는 탈중앙화된 방식으로 운영된다.

실험 결과

연구 질문

• RQ1 지정된 지도자가 없는 탈중앙화된 방식으로 어떻게 협동적 충돌 회피를 달성할 수 있는가?
• RQ2 목적지 경로와 계획된 경로는 명시적 조율 없이 암묵적 협업을 어떻게 가능하게 하는가?
• RQ3 기준 없음 MPC 접근 방식은 동적 다중 차량 시나리오에서 안전성과 확장성을 유지할 수 있는가?
• RQ4 기준 경로의 부재는 충돌 회피의 강건성과 성능에 어떤 영향을 미치는가?
• RQ5 협동하는 차량 수가 증가함에 따라 제안된 방법의 계산 확장성은 어떻게 되는가?

주요 결과

• 제안된 방법은 지도자나 명시적 조율 없이도 다양한 복잡한 시나리오에서 효과적인 충돌 회피를 달성한다.
• 직접 계획을 교환하지 않더라도 다른 차량의 목적지 경로를 상호 피하는 방식으로 자연스럽게 협동 행동이 유도된다.
• 차량 수에 비례하여 선형적으로 증가하는 계산 비용을 유지하면서도 안정적인 성능을 발휘한다.
• 기준 경로의 부재로 제어 설계가 단순화되면서도 안전성과 안정성은 그대로 유지된다.
• 시뮬레이션 결과는 다수의 상호작용하는 에이전트가 있는 동적 예측 불가능 환경에서도 이 방법이 잘 작동함을 보여준다.