[논문 리뷰] A Tutorial On Autonomous Vehicle Steering Controller Design, Simulation and Implementation

Ali Boyali, Seichi Mita외 1명|arXiv (Cornell University)|2018. 03. 10.

Robotic Path Planning Algorithms인용 수 7

한 줄 요약

이 튜토리얼은 운전차량의 저수준 횡방향 조향 제어기 설계, 시뮬레이션, 구현을 위한 실용적인 방법을 기계적 모델과 동적 모델을 사용하여 제시한다. 경로 데이터로부터 곡률을 계산하고 오차 좌표계에서 LQR 제어를 적용하여 시뮬레이션과 실제 구현을 통한 실험적 검증을 통해 강인한 경로 추적 성능을 입증한다.

ABSTRACT

In this tutorial, we detailed simple controllers for autonomous parking and path following for self-driving cars providing practical methods for curvature computation.

연구 동기 및 목표

• 자율주행차를 위한 저수준 횡방향 운동 제어기 설계를 위한 실용적인 가이드를 제공하는 것.
• 경로 추종을 위해 기록된 차량 경로 데이터로부터 정확한 곡률 계산에 도전하는 것.
• 기계적 및 동적 차량 모델을 사용하여 이론적 제어 설계를 실제 구현과 연결하는 것.
• 오차 좌표계에서 LQR 제어기가 안정적이고 정확한 경로 추적을 위해 효과적으로 적용되는 방식을 입증하는 것.
• 시뮬레이션 및 실시간 테스트를 위한 예제 코드를 제공하여 구현을 지원하는 것.

제안 방법

• 후륜축 중심 추적 기반의 Pfaffian 제약 방정식을 사용하여 기계적 차량 모델을 유도하며, 조향 각도와 속도 입력을 고려한다.
• 작은 슬립 각도 및 일정한 속도 가정 하에 선형화된 타이어 힘을 적용한 단일궤적 동적 모델링을 수행한다.
• 횡방향 이탈, 횡방향 속도, 자세 오차, 요속도를 추적하는 상태공간 모델을 사용하여 오차 좌표계에서 LQR 제어기를 설계한다.
• 제어 효율과 추적 오차 최적화를 위해 양의 준정적 행렬 Q와 양의 정적 행렬 R을 사용하여 비용 함수를 이차형식으로 변환한다.
• 닫힘형 루프 안정성을 확보하기 위해 이산 대칭 리카티 방정식(DARE)을 풀어 최적의 피드백 이득 K를 계산한다.
• 경로 데이터로부터의 피드포워드 곡률 계산을 기계적 제어기에 통합하여 경로 추종 성능을 향상시킨다.

실험 결과

연구 질문

• RQ1 기록된 차량 경로 데이터로부터 자율주행차의 경로 추종에 사용하기 위해 곡률을 정확하게 계산하는 방법은 무엇인가?
• RQ2 저수준 조향 제어기 설계에서 기계적 모델과 동적 모델을 사용할 때의 주요 차이점과 상호 간의 상충 관계는 무엇인가?
• RQ3 오차 좌표계에서 LQR 제어기를 효과적으로 적용하여 안정적이고 정확한 경로 추적을 달성하는 방법은 무엇인가?
• RQ4 이러한 제어기를 실제 자율주행차에 구현할 때 발생하는 실용적 도전 과제는 무엇인가?
• RQ5 피드포워드 곡률 항목은 기계적 조향 제어기의 성능을 어떻게 향상시키는가?

주요 결과

• 오차 좌표계에서의 LQR 제어기는 닫힘형 전이 행렬의 모든 고유값의 실수부가 음수이므로 점근적 안정성을 확보한다.
• 제어기 설계는 횡방향 및 종방향 운동 제어를 성공적으로 분리하여 다양한 속도 및 곡률 조건에서도 강인한 경로 추종을 가능하게 한다.
• 경로 데이터로부터의 곡률 계산은 효과적인 피드포워드 제어를 가능하게 하여 기계적 제어기의 추적 정확도를 크게 향상시킨다.
• 선형화된 타이어 힘을 적용한 단일궤적 동적 모델은 제어기 설계를 위한 차량 횡방향 역학을 정확하게 표현할 수 있다.
• 실험 결과는 제안된 LQR 및 기계적 제어기가 시뮬레이션과 실제 테스트에서 모두 1미터 이내의 경로 추적 오차를 달성함을 확인한다.
• 함께 제공되는 예제 코드는 연구자 및 엔지니어가 실시간 구현을 위해 제어기 설계를 복제하고 확장할 수 있도록 지원한다.