[論文レビュー] Design of an Autonomous Racecar: Perception, State Estimation and System Integration

Miguel de la Iglesia Valls, Hubertus Franciscus Cornelis Hendrikx+7 more|arXiv (Cornell University)|Apr 9, 2018

Robotics and Sensor-Based Localization参考文献 7被引用数 15

ひとこと要約

本論文では、LiDARに基づく認識、EKFに基づく状態推定、およびパーティクルフィルタに基づくSLAMをモジュラーで冗長なシステムアーキテクチャ内に統合することで、初のFormula Student Driverless競技大会優勝を達成した自律走行車fléa driverlessを提示する。このシステムは、次に優れたチームに比べてラップタイムが約30秒短く、横方向および縦方向の加速度において熟練ドライバーと同等の性能を示した。

ABSTRACT

This paper introduces fl\uela driverless: the first autonomous racecar to win a Formula Student Driverless competition. In this competition, among other challenges, an autonomous racecar is tasked to complete 10 laps of a previously unknown racetrack as fast as possible and using only onboard sensing and computing. The key components of fl\uela's design are its modular redundant sub-systems that allow robust performance despite challenging perceptual conditions or partial system failures. The paper presents the integration of key components of our autonomous racecar, i.e., system design, EKF-based state estimation, LiDAR-based perception, and particle filter-based SLAM. We perform an extensive experimental evaluation on real-world data, demonstrating the system's effectiveness by outperforming the next-best ranking team by almost half the time required to finish a lap. The autonomous racecar reaches lateral and longitudinal accelerations comparable to those achieved by experienced human drivers.

研究の動機と目的

• オンボードセンサーやコンピューティングのみを用いて、未知のサーキットを高速で10ラップ走破できる完全自律走行車の設計を目的とする。
• レーシングカー環境に特有の動的で高速な条件下において、リアルタイムでの認識と状態推定を実現する課題に対処することを目的とする。
• 部分的なセンサーやシステム障害が発生しても性能を維持できるモジュラーで冗長なシステムアーキテクチャの開発を目的とする。
• 認識、状態推定、SLAMを統合し、競技レースに適した包括的な自律走行システムを構築することを目的とする。

提案手法

• オンボードセンサを用いて、リアルタイムでレースラインと障害物を検出するLiDARに基づく認識を採用した。
• 慣性計測装置とホイールエンコーダーのデータを統合して、正確な状態推定を実現する拡張カルマンフィルタ（EKF）を実装した。
• 走行中に未知のサーキットの地図を構築・更新するため、パーティクルフィルタに基づく同時位置特定と地図作成（SLAM）アルゴリズムを適用した。
• 認識の不確実性や部品の故障に対してもシステムの強靭性を確保するため、モジュラーで冗長なサブシステムアーキテクチャを設計した。
• 認識、状態推定、SLAMを統合したリアルタイム意思決定に適した統一制御パイプラインを構築した。
• 未知のサーキット上で実際の走行テストを多数実施し、システムの性能を検証した。

実験結果

リサーチクエスチョン

• RQ1 オンボードセンシングとコンピューティングのみを用いて、未知のサーキットで高速で信頼性の高いナビゲーションを達成するには、どのようにすればよいか？
• RQ2 動的かつ不確実な条件下で、頑健な性能を発揮するための認識、状態推定、SLAM技術の組み合わせは何か？
• RQ3 システムのモularityと冗長性は、高速自律走行レースにおける信頼性と性能をどのように向上させるか？
• RQ4 自律走行システムは、加速度とラップタイムの面で、人間ドライバーの性能をどの程度模倣または上回ることができるか？

主な発見

• fléa driverlessは、未知のサーキットで10ラップを走破し、次に優れたチームに比べてラップタイムが約30秒短かった。
• 高速コーナリングや加速時において、熟練ドライバーと同等の横方向および縦方向の加速度を達成した。
• モジュラーで冗長な設計により、認識の困難な状況や部分的なシステム障害が発生しても継続して走行を可能にした。
• EKFに基づく状態推定とパーティクルフィルタに基づくSLAMの統合により、リアルタイムでの正確なロケーション特定と地図作成が実現した。
• 実環境での実験評価により、競技レース条件下でのシステムの有効性と強靭性が確認された。
• 結果として、完全自律走行システムが、事前に未知のサーキットにおいて、人間ドライバーの走行性能を上回ることの可能性が示された。