[论文解读] AutoDRIVE -- Technical Report

Tanmay Vilas Samak, Chinmay Vilas Samak|arXiv (Cornell University)|Nov 15, 2022

Transportation and Mobility Innovations被引用 4

一句话总结

AutoDRIVE 是一个开源的、集成的软硬件平台，用于自动驾驶研究与教育，包含一辆1:14比例的测试车辆、基于ROS的仿真器以及用于算法开发的Devkit。该平台支持使用真实硬件、仿真环境和统一的软件栈，实现从端到端的自主算法部署，涵盖自主泊车、行为克隆、交叉路口通行以及智慧城市建设等应用，支持单智能体与多智能体系统。

ABSTRACT

This work presents AutoDRIVE, a comprehensive research and education platform for implementing and validating intelligent transportation algorithms pertaining to vehicular autonomy as well as smart city management. It is an openly accessible platform featuring a 1:14 scale car with realistic drive and steering actuators, redundant sensing modalities, high-performance computational resources, and standard vehicular lighting system. Additionally, the platform also offers a range of modules for rapid design and development of the infrastructure. The AutoDRIVE platform encompasses Devkit, Simulator and Testbed, a harmonious trio to develop, simulate and deploy autonomy algorithms. It is compatible with a variety of software development packages, and supports single as well as multi-agent paradigms through local and distributed computing. AutoDRIVE is a product-level implementation, with a vast scope for commercialization. This versatile platform has numerous applications, and they are bound to keep increasing as new features are added. This work demonstrates four such applications including autonomous parking, behavioural cloning, intersection traversal and smart city management, each exploiting distinct features of the platform.

研究动机与目标

• 开发一个全面且易于访问的平台，用于自动驾驶与智慧城市系统的研究与教育。
• 通过统一的软硬件生态系统，弥合仿真环境与真实世界部署之间的差距。
• 支持多样化的自主性范式，包括基于模型的方法与数据驱动方法，适用于单智能体与多智能体场景。
• 通过真实世界与仿真环境下的关键自动驾驶应用实现，展示平台的能力。
• 为学术界与工业界提供可扩展、可扩展且具备商业可行性的研究基础设施。

提出的方法

• 设计并制造一辆1:14比例的自动驾驶车辆（Nigel），配备冗余的传感、执行与高性能计算系统。
• 开发基于ROS的仿真器，支持车辆动力学、基础设施建模，以及可配置的图形与光照效果。
• 创建AutoDRIVE Devkit，通过Python API接口实现算法向测试平台的无缝部署。
• 实现模块化的自动驾驶与智慧城市管理系统软件栈，支持与ROS及基于Web的控制界面集成。
• 采用SLAM、概率定位以及端到端学习流程（如行为克隆）实现导航与控制。
• 支持分布式与本地计算，实现在仿真与真实世界测试中单辆与多辆车辆的协同控制。

实验结果

研究问题

• RQ1 如何通过统一平台整合自动驾驶研究中的硬件原型设计、仿真与软件开发？
• RQ2 在受控且可访问的环境中，缩小比例的测试平台在多大程度上能复现真实世界的自动驾驶挑战？
• RQ3 AutoDRIVE平台在支持多样化自主性范式（包括端到端学习与模块化控制）方面的有效性如何？
• RQ4 该平台在实现行为克隆与自主导航的“仿真到真实”迁移方面表现如何？
• RQ5 该平台在未来集成异构车辆、机器人行人及大规模城市场景时，其可扩展性与可扩展性如何？

主要发现

• AutoDRIVE成功实现了基于SLAM与概率定位的自主泊车，实现了在预设地图中的稳定导航。
• 通过数据增强与仿真到真实世界的迁移，实现了行为克隆，使车辆能够在测试平台上模仿人类驾驶行为。
• 平台通过集中式控制架构实现了稳健的交叉路口通行，能够实时响应交通信号灯与标志。
• 通过中心化的SCM服务器，验证了智慧城市管理系统，实现了车辆行为与交通信号灯控制及监控的协同。
• 平台通过分布式计算支持多智能体场景，并借助Devkit API实现从仿真到真实硬件的无缝部署。
• 该系统的模块化设计与开放架构支持可扩展性，具备集成异构车辆与先进城市出行应用的潜力。