[論文レビュー] Estimation-aware model predictive path-following control for a general 2-trailer with a car-like tractor

Oskar Ljungqvist, Daniel Axehill+2 more|arXiv (Cornell University)|Feb 20, 2020

Vehicle Dynamics and Control Systems参考文献 44被引用数 7

ひとこと要約

本論文は、視野（FOV）が限られたリアマウントセンサからの関節角制約を明示的に組み込んだ、一般2トレーラー（G2T）の推定注意型モデル予測制御（MPC）フレームワークを提案する。2つのMPCアプローチを導入：高精度を実現するための混合整数二次計画（MIQP-MPC）と、バイナリ変数を避けることで低コストな二次計画（QP-MPC）。両者とも、バックモード時の安全かつ推定可能な関節角設定を維持することで、シミュレーションおよび実車実験で先行手法を上回る性能を発揮した。

ABSTRACT

The design of the path-following controller is crucial for reliable autonomous vehicle operation. This design problem is especially challenging for a general 2-trailer with a car-like tractor due to the vehicle's unstable joint-angle kinematics in backward motion. Additionally, advanced sensors placed in the rear of the tractor have been proposed to solve the joint-angle estimation problem. Since these sensors typically have a limited field of view, the estimation solution introduces restrictions on the joint-angle configurations that can be estimated with high accuracy. To explicitly consider these constraints in the controller, a model predictive path-following control approach is proposed. Two approaches with different computation complexity and performance are presented. In the first approach, the joint-angle constraints are modeled as a union of convex polytopes, making it necessary to incorporate binary decision variables. The second approach avoids binary variables at the expense of a more conservative controller. In simulations and field experiments, the performance of the proposed path-following control approach is compared with a previously proposed control strategy.

研究の動機と目的

• 低速バックモードにおける一般2トレーラー（G2T）のパスフォローリング制御の課題に対処すること。
• 関節角運動学の不安定性と視野（FOV）が限られたリアマウントセンサの物理的制限を考慮すること。
• センサのFOVが信頼できる測定を可能にする領域に関節角を制約することで、高精度な状態推定を確保すること。
• これらの推定制約を明示的に組み込んだMPCベースの制御器を開発し、耐障害性と性能を向上させること。

提案手法

• 非凸な推定制約を反映するために、センサのFOVが許容する関節角領域を凸多面体の和としてモデル化する。
• ビッグM法とバイナリ変数を用いて、凸多面体の和制約を表現するMIQP-MPC制御器を定式化し、正確な制約処理を可能にする。
• バイナリ変数を避けるために、関節角制約を1つの凸多面体で近似するQP-MPCバージョンを提案し、保守的近似の代償として保守的になる。
• MPCフレームワークに線形化されたパスフォローリング誤差モデルを統合し、ノミナルパスからのずれを予測・補正する。
• リアルタイムでのトレーラー姿勢および関節角推定のため、LIDARベースのオブザーバをRTK-GPSによる検証と併用する。
• 両方のMPC制御器を、関節角制約を無視する従来の制御器と比較し、シミュレーションおよび全スケールのテスト車両で評価する。

実験結果

リサーチクエスチョン

• RQ1 リアマウントセンサの視野（FOV）内に関節角を維持できるように設計されたMPC制御器は、バックモード時の高精度な状態推定を保証できるか？
• RQ2 関節角制約を凸多面体の和としてモデル化することで、単一の凸近似と比較して制御性能がどのように向上するか？
• RQ3 バイナリ変数（MIQP）を用いる場合と保守的な凸近似（QP）を用いる場合の、計算コストと性能のトレードオフは何か？
• RQ4 提案された推定注意型MPCアプローチは、推定制約を無視する制御器と比較して、外部干渉の抑制や非自明な初期状態からの回復をどのように改善できるか？
• RQ5 提案された制御器は、全スケールのG2Tテスト車両へのリアルタイム実装が可能か？

主な発見

• 関節角制約を凸多面体の和としてモデル化するMIQP-MPC制御器は、QP-MPCアプローチと比較して制約違反を顕著に低減した。
• QP-MPC制御器は、やや保守的ではあるが、シミュレーションでわずかな関節角制約違反（25–50秒間）を示し、違反に対する線形ペナルティにより曲率にわずかな振動が生じた。
• 実車実験では、QP-MPC制御器が関節角をセンサのFOV内に維持しており、全行程にわたり信頼性の高いLIDARベースの状態推定が可能であった。
• QP-MPC制御器の平均計算時間はわずか5 msであり、50 msのサンプリング周期をはるかに下回っており、リアルタイム実装の可能性が裏付けられた。
• 両方のMPC制御器は、シミュレーションおよび実験の両方で、ベースライン制御器よりも干渉の抑制および非自明な初期状態からの回復性能に優れていた。
• LIDARベースのオブザーバは、RTK-GPSを真値として用いて、セミトレーラーのアキシル位置を的確に追跡でき、制御器の誘導下での推定精度が検証された。