[논문 리뷰] Design of an Autonomous Racecar: Perception, State Estimation and System Integration

Miguel de la Iglesia Valls, Hubertus Franciscus Cornelis Hendrikx외 7명|arXiv (Cornell University)|2018. 04. 09.

Robotics and Sensor-Based Localization참고 문헌 7인용 수 15

한 줄 요약

이 논문은 LiDAR 기반의 인식, EKF 기반의 상태 추정, 입자 필터 기반의 SLAM을 모듈러하고 다중 구조로 구성된 시스템 아키텍처에 통합함으로써, Formula Student Driverless 대회에서 우승한 최초의 자율 주행 레이스카인 fléa driverless를 제시한다. 이 시스템은 다음으로 빠른 팀보다 거의 30초 빠른 랩 타임을 기록하여, 횡방향 및 종방향 가속도 측면에서 숙련된 인간 드라이버 수준의 성능을 보였다.

ABSTRACT

This paper introduces fl\uela driverless: the first autonomous racecar to win a Formula Student Driverless competition. In this competition, among other challenges, an autonomous racecar is tasked to complete 10 laps of a previously unknown racetrack as fast as possible and using only onboard sensing and computing. The key components of fl\uela's design are its modular redundant sub-systems that allow robust performance despite challenging perceptual conditions or partial system failures. The paper presents the integration of key components of our autonomous racecar, i.e., system design, EKF-based state estimation, LiDAR-based perception, and particle filter-based SLAM. We perform an extensive experimental evaluation on real-world data, demonstrating the system's effectiveness by outperforming the next-best ranking team by almost half the time required to finish a lap. The autonomous racecar reaches lateral and longitudinal accelerations comparable to those achieved by experienced human drivers.

연구 동기 및 목표

• 실내 센서와 컴퓨팅 장치만을 사용하여 알 수 없는 레이스 트랙에서 고속으로 10랩을 주행할 수 있는 완전 자율 주행 레이스카를 설계하는 것.
• 레이스카 환경에서 일반적인 고속 동적 조건 하에서 실시간 인식과 상태 추정에 도전하는 것.
• 부분적인 센서 또는 시스템 장애가 발생하더라도 성능을 유지할 수 있는 모듈러하고 다중 구조의 시스템 아키텍처를 개발하는 것.
• 경쟁적인 레이싱에 적합한 통합된 자율 주행 시스템으로서 인식, 상태 추정, SLAM을 융합하는 것.

제안 방법

• 현장 센서를 사용하여 실시간으로 트랙 경계와 장애물을 탐지하기 위해 LiDAR 기반의 인식을 적용했다.
• 자이로스코프 및 휠 인코더의 데이터를 융합하여 정확한 상태 추정을 수행하기 위해 확장된 칼만 필터(EKF)를 구현했다.
• 운영 중에 알 수 없는 레이스 트랙의 지도를 구축하고 업데이트하기 위해 입자 필터 기반의 동시 위치 추정 및 지도 제작(SLAM) 알고리즘을 적용했다.
• 인지 불확실성 또는 구성 요소 장애 상황에서도 시스템의 강건성을 확보하기 위해 모듈러하고 다중 구조의 서브시스템 아키텍처를 설계했다.
• 실시간 의사결정을 위한 통합된 제어 파이프라인으로 인식, 상태 추정, SLAM을 통합했다.
• 시스템 성능을 검증하기 위해 미리 알 수 없는 트랙에서 광범위한 실제 환경 테스트를 수행했다.

실험 결과

연구 질문

• RQ1 어떻게 자율 주행 레이스카가 실내 센서와 컴퓨팅 장치만을 사용하여 알 수 없는 트랙에서 고속으로 신뢰성 있게 주행할 수 있는가?
• RQ2 어떤 인식, 상태 추정, SLAM 기법의 조합이 동적이고 불확실한 조건 하에서도 견고한 성능을 발휘할 수 있는가?
• RQ3 시스템의 모듈러리티와 다중 구조는 고속 자율 주행 레이싱에서 신뢰성과 성능을 어떻게 향상시키는가?
• RQ4 자율 주행 시스템은 가속도와 랩 타임 측면에서 인간 드라이버의 성능을 어느 정도 따라하거나 초월할 수 있는가?

주요 결과

• fléa driverless는 알 수 없는 트랙에서 10랩을 주행했으며, 다음으로 빠른 팀보다 거의 30초 빠른 랩 타임을 기록했다.
• 고속 코너링과 가속 중에 숙련된 인간 드라이버 수준의 횡방향 및 종방향 가속도를 달성했다.
• 모듈러하고 다중 구조적인 설계 덕분에 어려운 인지 조건이나 부분적인 시스템 장애가 발생하더라도 계속 주행이 가능했다.
• EKF 기반의 상태 추정과 입자 필터 기반의 SLAM 통합으로 실시간 정밀한 위치 추정과 지도 구축이 가능했다.
• 실제 환경에서의 실험 평가를 통해 경쟁적인 레이싱 조건 하에서 시스템의 효과성과 강건성을 확인했다.
• 결과적으로, 완전 자율 시스템이 알 수 없는 트랙에서 인간 주행 대비 더 빠른 랩 타임을 기록할 수 있음을 입증했다.