[논문 리뷰] Design and Implementation of Path Trackers for Ackermann Drive based Vehicles

Adarsh Patnaik, Manthan Patel외 7명|arXiv (Cornell University)|2020. 12. 05.

Vehicle Dynamics and Control Systems참고 문헌 23인용 수 5

한 줄 요약

이 논문은 악커먼 조향을 갖춘 자율 주행 차량을 대상으로 순수 추적, 스탠리, PID, LQR 및 모델 예측 제어(MPC)와 같은 여러 경로 추적 제어기를 설계하고 시뮬레이션하며 구현한다. 시뮬레이션 환경과 실차 테스트를 통해 Mahindra e2o 차량에 장착된 장비를 활용한 결과, MPC는 중속도 도심 주행 환경에서 더 뛰어난 안정성과 제약 조건 처리 능력을 바탕으로 다른 제어기들보다 뛰어난 성능을 보였으며, 계산 비용과 튜닝 복잡도가 높다는 점을 제외하면 유의미한 성과를 거두었다.

ABSTRACT

This article is an overview of the various literature on path tracking methods and their implementation in simulation and realistic operating environments.The scope of this study includes analysis, implementation,tuning, and comparison of some selected path tracking methods commonly used in practice for trajectory tracking in autonomous vehicles. Many of these methods are applicable at low speed due to the linear assumption for the system model, and hence, some methods are also included that consider nonlinearities present in lateral vehicle dynamics during high-speed navigation. The performance evaluation and comparison of tracking methods are carried out on realistic simulations and a dedicated instrumented passenger car, Mahindra e2o, to get a performance idea of all the methods in realistic operating conditions and develop tuning methodologies for each of the methods. It has been observed that our model predictive control-based approach is able to perform better compared to the others in medium velocity ranges.

연구 동기 및 목표

• 악커먼 구동 방식을 갖춘 자율 주행 차량에 대해 주요 경로 추적 방법을 분석하고 구현하며, 시뮬레이션과 실제 환경 조건에서 비교한다.
• 액추에이터 지연, 모델링되지 않은 동역학, 불균일한 지형과 같은 현실적인 제약 조건 하에서 제어기 성능을 평가한다.
• 실제 승용차(Mahindra e2o)에서의 경험적 테스트를 바탕으로 각 제어기의 튜닝 방법론을 개발한다.
• 중속도 도심 주행 환경에서 가장 견고하고 정확한 경로 추적 방법을 규명한다.
• 실시간 자율 주행 차량 시스템에 고급 제어기인 MPC를 구현하는 데의 가능성과 도전 과제를 탐색한다.

제안 방법

• 저속에서 중속도 수준의 운행 조건을 고려해 선형화된 가정을 적용한 운동학적 자전거 모델을 개발하였다.
• 순수 추적, 스탠리, PID, LQR 및 제곱형 비용 함수를 갖춘 모델 예측 제어(MPC)를 포함한 다섯 가지 경로 추적 제어기를 구현하였다.
• ROS(Robot Operating System)를 사용해 시뮬레이션 및 실시간 구현을 수행하여 시뮬레이션과 물리적 차량 간 코드 재사용을 가능하게 하였다.
• 통제된 비교를 가능하게 하기 위해 직선, 원형, 차선 이동, 사인파 형태의 네 가지 표준 경로에서 실험을 수행하였다.
• 횡방향 제어 성능을 일관되게 유지하기 위해 PID 및 적응형 PID를 활용해 종방향 속도 제어를 적용하였다.
• 실차 테스트를 통해 Mahindra e2o(장비가 장착된 승용차)에서 시뮬레이션 결과를 검증하고 실제 환경에서의 튜닝 과제를 평가하였다.

실험 결과

연구 질문

• RQ1 다양한 경로 기하학에 걸쳐 횡방향 오차와 조향의 매끄러움 측면에서 다양한 경로 추적 제어기가 어떻게 성능을 내는가?
• RQ2 시뮬레이션 기반의 경로 추적 성능을 실제 차량에 구현하는 데 있어 주요 과제는 무엇인가?
• RQ3 실제 환경 제약 조건 하에서 순수 추적 및 PID와 같은 간단한 제어기들과 비교했을 때 모델 예측 제어(MPC)의 견고성과 정확도는 어떠한가?
• RQ4 모델링되지 않은 동역학(예: 조향축 관성, 타이어 마찰력)이 고속 주행에서 성능 저하에 얼마나 기여하는가?
• RQ5 실차에서 안정적이고 정확한 경로 추종를 달성하기 위해 가장 효과적인 튜닝 방법론은 무엇인가?

주요 결과

• MPC는 시험된 모든 경로와 속도(최대 35 km/h)에서 가장 일관되고 뛰어난 성능을 보였으며, 횡방향 오차와 조향 속도 변동을 효과적으로 최소화하였다.
• 순수 추적 및 스탠리 제어기는 단순한 경로를 갖는 도심형 환경에서는 잘 작동했지만, 복잡하거나 고곡률 경로에서는 성능이 떨어졌다.
• PID 조향 제어는 이득 튜닝에 매우 민감했으며, 갑작스럽고 불안정한 조향 입력을 유발해 실제 환경에서의 경로 추적에 부적합했다.
• LQR는 시뮬레이션에서는 만족스러운 성능를 보였지만, 제한 없이 계산된 경우에 불안정성이 나타나, 포화 제한이 필요함을 시사했다.
• 실차 구현 과정에서 액추에이터 지연, 작은 조향 각도 해상도 제한, 타이어-도로 마찰력과 같은 모델링되지 않은 동역학으로 인해 성능 저하가 발생했다.
• 계산 비용이 높다는 점을 감안하더라도, MPC가 예측 수렴 기간 동안 제약 조건을 처리하고 최적화하는 능력 덕분에 실시간 자율 주행 경로 추적에 가장 유망한 후보로 평가되었다.