[论文解读] Autonomous Racing with AutoRally Vehicles and Differential Games

Grady Williams, Brian Goldfain+3 more|arXiv (Cornell University)|Jul 14, 2017

Advanced Control Systems Optimization参考文献 8被引用 9

一句话总结

本文提出了一种基于最优响应的模型预测路径积分控制（BR-MPPI）框架，这是一种实时采样控制方法，结合了微分博弈理论与MPPI，使自动驾驶赛车能够预测并响应人类驾驶员的行为。在使用两台AutoRally平台的真实世界实验中，BR-MPPI展示了实时反应的避碰能力与智能超车动作，尽管峰值速度较低，但在路径一致性和路径质量方面优于人类驾驶员。

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.

研究动机与目标

• 开发一种考虑动态对抗性人类驾驶员的实时控制框架，用于自动驾驶赛车。
• 通过实现实时响应动态交互过程，克服预计算控制方法的局限性。
• 在真实世界环境中，通过比例缩小的自主车辆与人类驾驶车辆的对比，验证该方法的有效性。
• 在高速、非线性动力学条件下，研究多车交互行为，特别是在激进驾驶场景下的表现。
• 证明将微分博弈理论应用于具有动态特性的机器人平台在真实赛车场景中的可行性。

提出的方法

• BR-MPPI通过引入博弈论中的最优响应动力学扩展了MPPI，将对手行为建模为对本方轨迹的响应。
• 控制器通过XBee无线电实现车对车通信，实时交换自主车辆与人类驾驶车辆的状态估计（位置、速度）。
• 代价函数对后方车辆进入碰撞的情况施加惩罚，对前方车辆保持领先位置给予奖励，采用非对称惩罚以鼓励激进但安全的行为。
• 该算法采样随机控制轨迹，并选择在假设对手采取最优响应的前提下，使期望代价最小的轨迹。
• 该方法在1/5比例的AutoRally车辆上实现，其最高速度超过50英里/小时，可真实模拟非线性车辆动力学。
• 该框架采用基于采样的方法近似求解Hamilton-Jacobi-Isaacs方程，避免了微分博弈中维度灾难的问题。

实验结果

研究问题

• RQ1 基于采样的控制方法是否能有效实现实时建模与响应人类驾驶员行为？
• RQ2 引入最优响应动力学在多车赛车场景中如何提升安全性与性能？
• RQ3 在真实世界高速赛车环境中，自动驾驶车辆在多大程度上可超越熟练人类驾驶员？
• RQ4 实时车对车通信在实现精确对手状态估计与反应式控制方面起到何种作用？
• RQ5 代价函数设计与动态建模如何影响智能超车与避碰行为的成功率？

主要发现

• BR-MPPI算法成功在佐治亚理工学院自动驾驶赛车设施中，使用两台AutoRally平台，与熟练人类驾驶员完成了真实世界赛车试验。
• 尽管峰值直线速度较低，自主车辆在路径一致性和弯道速度方面优于人类驾驶员。
• 该算法表现出极强的反应能力，当对方车辆突然变道时，能迅速调整轨迹以避免碰撞。
• 在弯道，特别是狭窄弯道中，成功执行了智能超车动作，通过基于对手行为预测的内侧线路行驶策略。
• 当处于后方时，碰撞将导致10,000分的惩罚，但该算法通过实时调整行为成功避免了碰撞，展现出鲁棒性。
• 尽管自主车辆未持续超越人类驾驶员，但结果表明，通过代价函数调优与更精确的动力学模型，性能可进一步提升。