[논문 리뷰] Autonomous Racing with AutoRally Vehicles and Differential Games

Grady Williams, Brian Goldfain외 3명|arXiv (Cornell University)|2017. 07. 14.

Advanced Control Systems Optimization참고 문헌 8인용 수 9

한 줄 요약

이 논문은 차량 간 상호작용을 고려한 실시간 샘플링 기반 제어 프레임워크인 최적반응 모델 예측 경로 적분 제어(BR-MPPI)를 소개한다. 이는 미분 게임 이론과 MPPI를 융합하여 자율 주행 차량이 인간 운전사의 행동을 예측하고 반응할 수 있도록 한다. 실제 실험에서 두 대의 AutoRally 플랫폼을 사용하여 BR-MPPI는 반응형 충돌 회피 및 지능적인 추월 동작을 수행했으며, 정점 속도는 낮았지만 인간 조종사보다 일관성과 경로 품질 측면에서 뛰어난 성능을 보였다.

ABSTRACT

Safe autonomous vehicles must be able to predict and react to the drivers around them. Previous control methods rely heavily on pre-computation and are unable to react to dynamic events as they unfold in real-time. In this paper, we extend Model Predictive Path Integral Control (MPPI) using differential game theory and introduce Best-Response MPPI (BR-MPPI) for real-time multi-vehicle interactions. Experimental results are presented using two AutoRally platforms in a racing format with BR-MPPI competing against a skilled human driver at the Georgia Tech Autonomous Racing Facility.

연구 동기 및 목표

• 동적인 적대적 인간 운전사를 고려한 실시간 제어 프레임워크를 개발하는 것.
• 사전에 계산된 제어 방법의 한계를 극복하기 위해 상호작용의 전개에 실시간으로 대응할 수 있도록 하는 것.
• 스케일된 자율 주행 차량과 인간 조종 차량을 사용한 실제 환경에서의 검증을 수행하는 것.
• 고속 비선형 운동 특성과 함께 공격적인 주행 조건에서의 다중 차량 상호작용을 연구하는 것.
• 실제 로봇 플랫폼에서 동적 레이싱 시나리오에 미분 게임 이론을 적용할 수 있는지를 입증하는 것.

제안 방법

• BR-MPPI는 게임 이론의 최적반응 역학을 도입하여 MPPI를 확장하여, 상대방의 행동을 에이전트의 궤적에 대한 반응으로 모델링한다.
• 제어기는 XBee 라디오를 통해 자율 주행 차량과 인간 조종 차량 간 실시간 상태 추정치(위치, 속도)를 교환한다.
• 비용 함수는 뒤따르는 차량이 충돌에 들어가면 벌금을, 앞서는 차량이 위치를 유지하면 보상이 주어지며, 비대칭적인 벌금을 통해 공격적이면서도 안전한 행동을 유도한다.
• 알고리즘은 확률적 제어 궤적을 샘플링하고, 상대방의 최적반응을 가정할 때 기대 비용을 최소화하는 궤적을 선택한다.
• 이 방법은 1/5 스케일의 AutoRally 차량에 구현되었으며, 50mph 이상의 속도를 낼 수 있어 비선형 차량 역학의 실제 테스트를 가능하게 한다.
• 이 프레임워크는 해밀턴-자코비-아이자크 방정식의 해를 근사하기 위해 샘플링 기반 접근법을 사용하여, 미분 게임에서의 차원의 저주를 피한다.

실험 결과

연구 질문

• RQ1 샘플링 기반 제어 방법이 실시간 자율 레이싱에서 인간 운전사의 행동을 효과적으로 모델링하고 반응할 수 있는가?
• RQ2 최적반응 역학을 통합함으로써 다중 차량 레이싱 시나리오에서 안전성과 성능이 어떻게 향상되는가?
• RQ3 자율 주행 차량이 실제 고속 레이싱 환경에서 숙련된 인간 운전사보다 성능을 뛰어나게 할 수 있는가?
• RQ4 실시간 차량 간 통신이 정확한 상대방 상태 추정 및 반응형 제어를 가능하게 하는 데 어떤 역할을 하는가?
• RQ5 비용 함수 설계와 동적 모델링이 지능적인 추월 및 충돌 회피 성공에 어떤 영향을 미치는가?

주요 결과

• BR-MPPI 알고리즘은 조지아 테크 자율 레이싱 시설에서 두 대의 AutoRally 플랫폼을 사용하여 숙련된 인간 운전사와의 실제 레이싱 시험을 성공적으로 완료했다.
• 정점 직선 속도는 낮았지만, 자율 주행 차량은 인간 운전사보다 더 높은 경로 일관성과 더 높은 코너링 속도를 보였다.
• 알고리즘은 빠르게 반응하여 상대 차량이 갑작스럽게 경로를 변경할 경우 충돌을 피하기 위해 궤적을 즉각 조정하는 강력한 반응성을 보였다.
• 특히 좁은 코너에서 예측된 상대 행동에 기반해 내측 라인을 따라 주행함으로써 지능적인 추월 동작을 성공적으로 수행했다.
• 뒤따르는 차량이 충돌 시 10,000의 벌금을 받는 조건에서도 알고리즘이 실시간으로 행동을 조정하여 충돌을 피함으로써 뛰어난 내구성을 입증했다.
• 자율 주행 차량이 인간 운전사보다 항상 추월하지는 않았지만, 비용 함수 조정 및 더 나은 동역학 모델 개선을 통해 성능 향상이 가능할 것이라 추론된다.