[논문 리뷰] Optimization-based Motion Planning in Virtual Driving Scenarios with Application to Communicating Autonomous Vehicles

Matthias Gerdts, Björn Martens|arXiv (Cornell University)|2018. 01. 23.

Robotic Path Planning Algorithms참고 문헌 40인용 수 4

한 줄 요약

이 논문은 가상 주행 시나리오에서 자율 주행 차량을 위한 최적화 기반 운동 계획 프레임워크를 제시한다. 직접 다중 쇼팅과 민감도 업데이트를 갖춘 모델 예측 제어를 사용하여 연료 소비를 최소화하고 안전성을 극대화하며 충돌 회피를 보장하는 최적의 궤적을 효율적으로 계산한다. 주요 기여는 통신 기반 자율 주행 차량을 위한 분산 제어 알고리즘으로, 외란과 측정 노이즈 하에서 안정적이고 실시간 궤적 추적을 가능하게 한다.

ABSTRACT

The paper addresses the problem of providing suitable reference trajectories in motion planning problems for autonomous vehicles. Among the various approaches to compute a reference trajectory, our aim is to find those trajectories which optimize a given performance criterion, for instance fuel consumption, comfort, safety, time, and obey constraints, e.g. collision avoidance, safety regions, control bounds. This task can be approached by geometric shortest path problems or by optimal control problems, which need to be solved efficiently. To this end we use direct discretization schemes and model-predictive control in combination with sensitivity updates to predict optimal solutions in the presence of perturbations. Applications arising in autonomous driving are presented. In particular, a distributed control algorithm for traffic scenarios with several autonomous vehicles that use car-to-car communication is introduced.

연구 동기 및 목표

• 가상 주행 시뮬레이션에서 자율 주행 차량을 위한 강건하고 실시간 구현이 가능한 운동 계획 프레임워크를 개발한다.
• 동적 및 기하학적 제약 조건을 고려하면서 연료 효율성, 안전성, 승차감, 시간 등의 성능 기준에 기반한 차량 궤적을 최적화한다.
• 차량 간 통신을 활용한 분산 제어 프레임워크를 통해 다중 차량 환경에서의 궤적 조율과 안전성을 향상시킨다.
• 모델 외란, 측정 노이즈, 초기 상태 오프셋 하에서도 안정성과 추적 정확도를 확보한다.
• 환경 변화에 대응하기 위한 효율적인 온라인 재최적화를 위해 민감도 기반 업데이트를 통합한다.

제안 방법

• 궤적 최적화의 효율적 수치 해를 확보하기 위해 최적 제어 문제의 직접 다중 쇼팅 이산화를 적용한다.
• 외란 하에서 최적 해를 예측하고 실시간 적응성을 향상시키기 위해 민감도 업데이트를 갖춘 모델 예측 제어(MPC)를 사용한다.
• 궤적 계산을 위해 상태 변수( x, y, ψ, v, δ )와 제어 입력(속도 v, 조향 각도 δ )를 갖는 운동학적 자동차 모델을 적용한다.
• 기준 스퍼린 커브를 추적하기 위해 역운동학 기반 피드백 제어기와 비례 오차 피드백을 구현한다.
• 피드백 제어를 통해 국소적으로 점점 안정성이 보장되는 닫힌 루프 제어 법칙을 도입하며, 허리츠 다항식 분석을 통해 이론적 안정성 확보.
• 강건성 테스트를 위해 위치와 속도에 백색 노이즈를 사용하여 측정 노이즈와 초기 상태 오프셋을 모델링한다.

실험 결과

연구 질문

• RQ1 다양한 성능 기준과 제약 조건 하에서 자율 주행 차량의 최적 기준 궤적을 효율적으로 계산하는 방법은 무엇인가?
• RQ2 외란과 측정 노이즈는 운동 계획 제어기의 안정성과 추적 성능에 어떤 영향을 미치는가?
• RQ3 분산 제어 프레임워크에서 차량 간 통신을 어떻게 활용하여 궤적 조율과 안전성을 향상시킬 수 있는가?
• RQ4 민감도 업데이트는 온라인 재최적화 중 실시간 성능을 유지하는 데 어떤 역할을 하는가?
• RQ5 피드백 제어를 갖춘 닫힌 루프 시스템이 국소적으로 점점 안정성이 보장되는 조건은 무엇인가?

주요 결과

• 이deal 조건 하에서 피드백 제어기가 기준 스퍼린 커브 궤적을 성공적으로 추적하며, 모든 시뮬레이션에서 정확한 경로 추종 성능을 보였다.
• 위치(±10 m)와 속도(±2 m/s)에 백색 노이즈가 존재하는 상황에서도 시스템은 안정성을 유지하여 현실적인 센서 오차에 대한 강건성을 입증했다.
• 기준 궤적에서 (10, 10) m의 초기 상태 오프셋이 존재하더라도 제어기는 정확한 추적 성능을 확보하여 초기화 오차에 대한 내성 강도를 확인했다.
• 선형화된 닫힌 루프 시스템은 특성 다항식이 허리츠 다항식으로 분해될 경우 (λ² + k₃λ + k₄)(λ + k₁)로 표현될 때 국소적으로 점점 안정성이 보장된다.
• 민감도 기반 업데이트를 통해 효율적인 온라인 재최적화가 가능하여 동적 환경에서도 실시간 성능을 유지한다.
• 차량 간 통신 기반의 분산 제어 알고리즘은 다중 차량 환경에서의 궤적 조율을 가능하게 하여 안전성과 효율성을 향상시켰다.