[논문 리뷰] A Distributed Hybrid Hardware-In-the-Loop Simulation framework for Infrastructure Enabled Autonomy

Abhishek Nayak, Kenny Chour외 6명|arXiv (Cornell University)|2018. 02. 06.

Vehicular Ad Hoc Networks (VANETs)참고 문헌 4인용 수 4

한 줄 요약

이 논문은 실물 차량 및 인프라 제어기(스마트커넥트 및 스마트인프라)를 시뮬레이션된 차량 동역학 및 카메라 비전 처리와 통합한 분산 하이브리드 하드웨어-인-더-루프(HIL) 시뮬레이션 프레임워크를 제안한다. 이 프레임워크는 다중 카메라 위치 추정치를 도로변 단말기에서 제공받아 실시간으로 차량을 제어할 수 있으며, 3 m/s에서 안정적인 웨이포인트 추적 성능을 달성하고, 6 m/s에서도 타당한 성능을 보였지만 진동 현상이 발생했다.

ABSTRACT

Infrastructure Enabled Autonomy (IEA) is a new paradigm that employs a distributed intelligence architecture for connected autonomous vehicles by offloading core functionalities to the infrastructure. In this paper, we develop a simulation framework that can be used to study the concept. A key challenge for such a simulation is the rapid increase in the scale of the computations with the size of the infrastructure to be considered. Our simulation framework is designed to be distributed and scales proportionally with the infrastructure. By integrally using both the hardware controllers and communication devices as part of the simulation framework, we achieve an optimal balance between modeling of the dynamics and sensors, and reusing real hardware for simulation of proprietary or complex communication methods. Multiple cameras on the infrastructure are simulated. The simulation of the camera image processing is done in distributed hardware and the resultant position information is transmitted wirelessly to the computer simulating the autonomous vehicle. We demonstrate closed loop control of a single vehicle following given waypoints using information from multiple cameras located on Road-Side-Units.

연구 동기 및 목표

• 증가하는 도로변 단말기(RSUs) 수에 따라 복잡성과 확장성 문제를 해결하기 위해 인프라 기반 자율주행(IEA) 시스템을 시뮬레이션하는 데 초점을 맞춘다.
• 실제 하드웨어 제어기와 통신 장치(예: DSRC)를 통합한 시뮬레이션 프레임워크를 개발하여 정밀도를 높이고 순수 소프트웨어 시뮬레이션에 대한 의존도를 줄인다.
• 실제 하드웨어에서 실행되는 실제 제어 알고리즘을 사용해 차량 제어 소프트웨어의 닫힘 루프 테스트를 가능하게 하여 실제 배포 시스템과 동일한 조건에서의 시뮬레이션을 보장한다.
• 다중 센서 융합 기반 도로변 카메라에서의 데이터를 활용해 IEA 기반 자율주행 차량의 내비게이션 가능성을 평가한다.

제안 방법

• 시뮬레이션은 다수의 컴퓨터에 분산 구현되며, 차량 동역학과 제어는 스마트커넥트(차량 내부)에서, 카메라 모델링과 비전 처리는 스마트인프라(인프라) 시스템에서 수행된다.
• ROS와 리눅스에서 실행되는 실제 C/C++/파이썬 제어기 소프트웨어를 스마트커넥트와 스마트인프라 양쪽 모두에 적용하여 실제 제어 소프트웨어를 그대로 시뮬레이션할 수 있도록 한다.
• DSRC 장치를 물리적으로 통합하여 실시간 무선 통신, 특히 2 ms 미만의 지연 시간을 시뮬레이션한다.
• 다중 카메라 비전 처리 기능은 스마트인프라 노드 간에 분산 처리되며, 위치 추정치는 무선으로 차량의 제어 시스템에 전송된다.
• 프레임워크는 차량 동역학 시뮬레이션에 Gazebo를 사용하고, 다수의 RSU 간 카메라 데이터의 실시간 동기화를 통합한다.
• 하이브리드 접근 방식은 물리적 하드웨어(DSRC, 제어기)와 소프트웨어 시뮬레이션(차량 동역학, 카메라 모델)을 조합하여 정밀도와 확장성의 균형을 이룬다.

실험 결과

연구 질문

• RQ1 다수의 차량과 RSU를 수용할 수 있는 분산형 하이브리드 HIL 시뮬레이션 프레임워크는 IEA 시스템의 개발 및 테스트에 효과적으로 기여할 수 있는가?
• RQ2 다중 카메라 및 다중 차량 환경에서 도로변 카메라가 차량의 위치를 얼마나 정확하게 추정할 수 있는가?
• RQ3 IEA 환경에서 통신 지연과 동기화 오차가 닫힘 루프 차량 제어 성능에 미치는 영향은 어떠한가?
• RQ4 차량 속도가 변화함에 따라 시스템의 경로 추적 성능와 안정성은 어떻게 변화하는가?
• RQ5 실제 하드웨어 제어기와 통신 장치를 시뮬레이션 프레임워크에 효과적으로 통합할 수 있는가? 이는 실제 배포 환경의 정밀도를 보장하는가?

주요 결과

• 이 시뮬레이션 프레임워크는 다수의 도로변 카메라에서 유도된 위치 추정치를 활용해 웨이포인트를 향해 주행하는 차량의 닫힘 루프 제어를 성공적으로 구현했다.
• 3 m/s 속도에서 차량은 최소한의 오버슈트를 보이며 목표 경로를 안정적으로 추적했고, 정상 상태 경로에 근접하게 정착함으로써 안정적인 성능을 보였다.
• 6 m/s 속도에서는 제어 파rameter의 최적화 부족이나 지연으로 인해 진동 현상이 증가했으며, 조정 여지가 있음을 시사했다.
• 모든 시험 동안 MSSPs는 차량의 실제 위치를 매우 정확하게 추정했으며, 차선 변경 및 다중 카메라 겹침 영역에서도 동일하게 높은 정확도를 유지했다.
• DSRC 기반 통신은 2 ms 미만의 지연을 유발했으며, 전체 시스템의 확장성과 성능 측면에서 무시할 만한 수준이었다.
• 분산 아키텍처는 추가 차량 및 RSU가 추가될수록 자연스럽게 확장되었으며, 각 노드가 자체 계산 부하를 독립적으로 처리하기 때문이었다.