[논문 리뷰] DL-IAPS and PJSO: A Path/Speed Decoupled Trajectory Optimization and its Application in Autonomous Driving

Jinyun Zhou, Runxin He외 6명|arXiv (Cornell University)|2020. 09. 23.

Robotic Path Planning Algorithms참고 문헌 20인용 수 7

한 줄 요약

이 논문은 자율주행을 위한 경로/속도 분리된 궤적 최적화 프레임워크인 DL-IAPS와 PJSO를 제안한다. 이는 충돌 회피, 제어 가능성, 주행 편안함을 향상시킨다. 반복적으로 곡률 제약이 있는 경로를 스무딩하는 DL-IAPS와 조각별 가속도 최적화를 통한 속도 프로파일 최적화인 PJSO를 통해 실시간 성능을 달성하며, 평균 0.2초 이내의 궤적 계산 시간을 확보하고, T4 수준의 자율주행 테스트를 포함한 복잡한 시나리오에서도 성공적으로 실행 가능하다.

ABSTRACT

This paper presents a free space trajectory optimization algorithm of autonomous driving vehicle, which decouples the collision-free trajectory planning problem into a Dual-Loop Iterative Anchoring Path Smoothing (DL-IAPS) and a Piece-wise Jerk Speed Optimization (PJSO). The work leads to remarkable driving performance improvements including more precise collision avoidance, higher control feasibility and better driving comfort, as those are often hard to realize in other existing path/speed decoupled trajectory optimization methods. Our algorithm's efficiency, robustness and adaptiveness to complex driving scenarios have been validated by both simulations and real on-road tests.

연구 동기 및 목표

• 기존의 경로/속도 분리 기법이 정밀한 충돌 회피, 제어 가능성, 주행 편안함을 달성하는 데에 한계를 보이고 있는 문제를 해결하기 위해.
• 자유 공간 시나리오에서 전진 및 후진 주행을 모두 지원하는 계산 효율성이 높은 궤적 최적화 프레임워크를 개발하기 위해.
• 최소 시간 및 편안한 속도 프로파일을 유지하면서도 비홀로노믹 차량 운동 제약 조건을 엄격히 준수하기 위해.
• 실세계 T4 수준 테스트 및 미국 현장 테스트를 포함한 다양한 복잡한 주행 환경에서 방법의 유효성을 검증하기 위해.

제안 방법

• 이 방법은 궤적 최적화를 두 단계로 분리한다: 이중 루프 반복적 고정점 스무딩을 통한 경로 스무딩(DL-IAPS)과 조각별 가속도 최적화를 통한 속도 프로파일 최적화(PJSO).
• DL-IAPS는 정밀한 다각형 차량 및 장애물 형상으로 반복적인 충돌 검사를 수행하며, 평균 계산 시간은 장애물 없이 0.07초, 복잡한 장애물이 있는 경우 0.18~0.21초이다.
• DL-IAPS는 수정된 순차적 볼록 최적화(Sequential Convex Optimization, SCP)를 사용하여 최대 곡률 제약 조건을 강제 적용함으로써 비홀로노믹 차량 운동 제약 조건을 준수한다.
• PJSO는 이동 시간을 최소화하도록 속도 최적화를 수립하며, 조각별 가속도 최소화를 통해 주행 편안함을 구현하고, 가속도 및 가속도에 대한 하드 제약 조건을 포함한다.
• 이 프레임워크는 아폴로 자율주행 플랫폼에 통합되었으며, 시뮬레이션 및 실세계 테스트를 통해 검증되었다.
• 차량 제어기는 QP 솔버와 피드포워드 校정을 갖춘 선형화된 모델 예측 제어기(MPC)를 사용하여 최적화된 궤적을 실행한다.

실험 결과

연구 질문

• RQ1 경로/속도 분리 기반 접근 방식이 차량 또는 장애물 형상의 원형 근사화에 의존하지 않고도 정밀하고 실시간으로 충돌을 회피할 수 있는가?
• RQ2 경로 스무딩 과정에서 비홀로노믹 차량 운동 제약 조건을 어떻게 엄격히 준수할 수 있는가? 이는 제어 가능성을 보장하기 위함이다.
• RQ3 속도 최적화 방법이 하드 동적 제약 조건을 충족하면서도 이동 시간을 최소화하고 주행 편안함을 극대화할 수 있는가?
• RQ4 제안된 프레임워크는 T4 수준 테스트를 포함한 복잡한 실세계 자율주행 환경에서 신뢰성 있는 성능을 보일 수 있는가?

주요 결과

• DL-IAPS와 PJSO 프레임워크는 복잡한 장애물 조건 하에서도 평균 0.18~0.21초 내로 전체 궤적을 계산하여 실시간 성능을 입증한다.
• 정확한 다각형 차량 및 장애물 표현을 사용하여 정밀한 충돌 회피를 달성하였으며, 원형 또는 선형 근사화에서 발생하는 추정 오류를 줄였다.
• 제어 가능성이 크게 향상되었으며, 수정된 SCP를 통해 최대 곡률 제약 조건을 엄격히 준수함으로써 이전 방법에서 관찰된 제약 위반을 방지하였다.
• PJSO 구성 요소는 최소 이동 시간과 주행 편안함을 동시에 극복하여, 로봇택시 응용 분야에 적합한 매끄럽고 가속도 최소화된 속도 프로파일을 생성하였다.
• 플래너는 바이두가 중국에서 가장 엄격한 자율주행 테스트에서 10개의 T4 수준 자유 공간 시나리오를 모두 통과하도록 지원하였으며, 평행 주차 테스트에서 평균 횡방향 오차는 0.0619m, 헤딩 오차는 1.3011°였다.
• 미국 및 중국 현장 테스트에서는 고정밀 실행 성능을 입증하였으며, 주차 정지 시나리오에서 평균 횡방향 오차는 0.0447m, 헤딩 오차는 1.956°였다. 이는 제어 가능성과 강건성을 확인한다.