[논문 리뷰] TDR-OBCA: A Reliable Planner for Autonomous Driving in Free-Space Environment

Runxin He, Jinyun Zhou외 7명|arXiv (Cornell University)|2020. 09. 23.

Robotic Path Planning Algorithms참고 문헌 20인용 수 4

한 줄 요약

TDR-OBCA는 자유 공간 환경에서 자율 주행을 위한 최적화 기반 경로 계획기로, 시간적 및 双변수 온난 시작과 문제 재구성으로 인해 강인성, 주행 편안함, 효율성이 향상된다. 장애물 수가 다양할 때 실패율을 96.67% 감소시키고, 주행 편안함을 13.53% 향상시키며, 계획기 효율성을 최대 44.82% 향상시킨다. 이는 미국과 중국에서 실차 테스트 수백 시간 및 시뮬레이션을 통해 검증되었다.

ABSTRACT

This paper presents an optimization-based collision avoidance trajectory generation method for autonomous driving in free-space environments, with enhanced robustness, driving comfort and efficiency. Starting from the hybrid optimization-based framework, we introduces two warm start methods, temporal and dual variable warm starts, to improve the efficiency. We also reformulate the problem to improve the robustness and efficiency. We name this new algorithm TDR-OBCA. With these changes, compared with original hybrid optimization we achieve a 96.67% failure rate decrease with respect to initial conditions, 13.53% increase in driving comforts and 3.33% to 44.82% increase in planner efficiency as obstacles number scales. We validate our results in hundreds of simulation scenarios and hundreds of hours of public road tests in both U.S. and China. Our source code is available at https://github.com/ApolloAuto/apollo.

연구 동기 및 목표

• 주차 및 호객과 같은 자유 공간 자율 주행 시나리오에서 기존 경로 계획기의 높은 실패율과 비효율성을 해결하기 위해.
• 비홀로노믹적이고 운동학적 제약이 있는 환경에서 다양한 초기 조건과 장애물 구성에 대한 강인성을 향상시키기 위해.
• 최적화 목적 함수에 제어 입력을 처벌함으로써 급격한 조향 명령을 최소화하여 주행 편안함을 향상시키기 위해.
• 실시간 구현을 위해 계산 효율성을 높이고, 특히 장애물 수가 증가할수록 성능을 유지하기 위해.
• 미국과 중국에서 실시한 광범위한 시뮬레이션 및 도로 테스트를 통해 계획기 성능을 다양한 실제 주행 조건에서 검증하기 위해.

제안 방법

• 이전 시간 단계의 해를 재사용하여 수렴 속도를 높이는 시간적 온난 시작을 도입한다.
• 이전 해에서 유도된 이중 변수를 초기화하여 순차적 비선형 프로그래밍에서 이중 수렴을 향상시킨다.
• 이중 표현을 사용해 충돌 회피 제약을 재구성함으로써 이진 변수를 제거하고 문제를 연속적이고 대규모의 모델 예측 제어(MPC) 문제로 변환한다.
• 조향 및 가속도 입력에 대한 부드러움 페널티를 통합하여 주행 편안함을 향상시키고 제어 노력의 감소를 유도한다.
• TDR-OBCA를 아폴로 자율 주행 플랫폼에 통합하여, 자동차가 비도로에 있거나 자유 공간 주행 동작을 수행할 경우에 작동하도록 한다.
• 경로 스티칭, 안전 검사, 기어 기반 분할 기법을 통해 CAN 버스를 통한 제어 실행을 위한 출력을 준비한다.

실험 결과

연구 질문

• RQ1 온난 시작 기법이 다양한 초기 조건 하에서 자유 공간 자율 주행의 경로 계획기 실패율을 상당히 감소시킬 수 있는가?
• RQ2 충돌 제약 조건을 이중 형태로 재구성함으로써 비凸형 MPC 문제에서 계산 효율성과 강인성을 얼마나 향상시킬 수 있는가?
• RQ3 비용 함수에 부드러움 페널티를 포함시킬 경우 실제 주행 조건에서 주행 편안함과 제어 노력에 어떤 영향을 미치는가?
• RQ4 장애물 수가 증가함에 따라, 특히 이동하는 보행자와 차량이 있는 복잡한 환경에서 제안된 방법이 실시간 성능을 유지할 수 있는가?
• RQ5 TDR-OBCA 알고리즘이 주차, 호객, 3점 주행과 같은 다양한 실제 주행 조건에서 일관된 성능을 보여주는가?

주요 결과

• 다양한 초기 조건에서 경로 계획의 실패율이 37.5%에서 1.25%로 감소하여 실패율이 96.67% 감소하였다.
• 최적화 해에서 조향 제어 출력의 분산 감소를 측정하여 주행 편안함이 13.53% 이상 향상되었다.
• 장애물 수가 증가하는 시나리오에서 계획기 효율성이 3.33%에서 최대 44.82%까지 향상되었으며, 이는 이동 장애물과 경계 제약 조건이 포함된 경우에도 해당된다.
• 미국과 중국에서의 실차 테스트에서 횡방향 추적 오차는 0.01~0.2미터 범위에 유지되었고, 최종 자세에서 방향 오차는 0.14도 이하였다.
• 역주행 주차, 짧은 역주행 주차, 지그재그 주차와 같은 복잡한 동작에 대해 높은 정확도로 매끄럽고 운동학적으로 타당한 경로를 성공적으로 생성하였다.
• 시뮬레이션(282건)과 수백 시간에 이르는 실차 테스트에서 모두 확장성과 강인성을 입증하여, 생산용 자율 주행 시스템에의 구현 가능성을 확인하였다.