[논문 리뷰] Interval Prediction for Continuous-Time Systems with Parametric Uncertainties

Edouard Leurent, Denis Efimov외 2명|arXiv (Cornell University)|2019. 04. 09.

Vehicle Dynamics and Control Systems참고 문헌 24인용 수 16

한 줄 요약

이 논문은 매개변수 불확실성이 있는 연속시간 선형 매개변수 변화(LPV) 시스템을 위한 새로운 간격 예측기(Interval Predictor)를 제안하며, 선형 행렬 부등식(LMI)을 통해 안정성을 보장하는 비보수적인 리아푸노프 함수를 구조화한다. 이 방법은 장기간 예측 동안 강인하고 안정적인 상태 예측을 가능하게 하며, 불확실성 하에서의 안전한 자율주행차 운동 계획에 효과적으로 적용됨을 보여준다.

ABSTRACT

The problem of behaviour prediction for linear parameter-varying systems is considered in the interval framework. It is assumed that the system is subject to uncertain inputs and the vector of scheduling parameters is unmeasurable, but all uncertainties take values in a given admissible set. Then an interval predictor is designed and its stability is guaranteed applying Lyapunov function with a novel structure. The conditions of stability are formulated in the form of linear matrix inequalities. Efficiency of the theoretical results is demonstrated in the application to safe motion planning for autonomous vehicles.

연구 동기 및 목표

• 측정 불가능한 스케줄링 파라미터와 불확실한 입력을 가진 연속시간 LPV 시스템에서 강인 상태 예측의 과제를 해결한다.
• 불확실성에 의해 유도되는 동역학으로 인해 일반적으로 발생하는 기존 간격 예측기의 불안정성 문제를 해결한다.
• 이观察기와는 달리 이득 조정에 의존하지 않고도 예측기의 안정성을 확보한다.
• 진짜 상태가 포함되는 간격을 보장하면서도 매개변수 조정을 통해 간격 너비를 최소화하는 프레임워크를 개발한다.
• 모델 불확실성 하에서 안전이 중요한 자율주행차 의사결정에의 적용 가능성을 입증한다.

제안 방법

• 매개변수 불확실성이 있는 LPV 시스템을 위한 일반적인 간격 예측기를 설계하며, 시스템을 비선형 리프시츠 동역학으로 모델링한다.
• 간격 예측기의 안정성 분석을 위해 특수한 구조를 가진 새로운 비보수적인 리아푸노프 함수를 도입한다.
• 안정성 조건을 선형 행렬 부등식(LMI) 형태로 제작하여 예측기 파라미터의 체계적 계산을 가능하게 한다.
• 시스템 중심 행렬의 고유분해를 이용한 유사변환을 통해 오차 동역학의 단조성과 협동성(cooperativity)을 확보한다.
• 간격 산술(Lemma 1)을 사용하여 변환된 시스템을 통해 불확실성 범위를 전파하고, 원래 좌표계로 간격 예측기를 재구성한다.
• 불확실한 파라미터와 운전자 행동 가정을 포함한 종방향 및 횡방향 차량 동역학 모델에서 시뮬레이션을 통해 방법을 검증한다.

실험 결과

연구 질문

• RQ1 기존 관측기 기반 이득 조정이 실패하는 상황에서 연속시간 LPV 시스템에 대해 안정적인 간격 예측기를 어떻게 설계할 수 있는가?
• RQ2 비선형이고 불확실한 동역학을 가진 간격 예측기의 비보수적 안정성 분석을 보장하는 리아푸노프 함수의 구조는 무엇인가?
• RQ3 매개변수 불확실성에도 불구하고 장시간 예측 동안 유한한 간격 예측을 보장할 수 있는가?
• RQ4 불확실성 하에서 자율주행차의 추월과 같은 복잡한 안전이 중요한 시나리오에서 예측기는 어떻게 성능을 발휘하는가?
• RQ5 이 프레임워크는 현실적인 행동 제약(예: 차선 유지)을 불확실성 집합에 얼마나 잘 통합할 수 있는가?

주요 결과

• 제안된 간격 예측기는 기존의 단순 예측기(6)와 달리 장기간 예측 동안 안정성을 유지한다.
• 차선 변경 중에 실제 차량 상호작용 동역학을 잘 포착하며, 유한하고 물리적으로 타당한 상태 간격을 보여준다.
• 행동 제약 조건(예: 오른쪽 차선 유지를 선호하거나 복귀하는 것)을 불확실성 집합에 통합하면 안전하고 현실적인 추월 결정이 가능해진다.
• 이전 연구[18]에서 필요로 했던 불확실성 집합의 시간 소모적인 분할을 피할 수 있다.
• LMI 조건을 갖춘 새로운 리아푸노프 함수의 사용은 기존 방법보다 더 보수적이지 않은 안정성 보장을 가능하게 한다.
• 시뮬레이션 결과는 예측기가 잘못된 조작(예: 오른쪽에서 추월)을 정확히 배제함으로써 안전한 운동 계획을 가능하게 한다는 것을 입증한다.