Adaptive Planning and Control with Time-Varying Tire Models for Autonomous Racing Using Extreme Learning Machine

要約

最小ラップタイムを達成するために、車両は摩擦またはハンドリングの限界で動作する必要があるため、自律型レースは困難な問題です。
自律型レースカーには、非常に正確な認識、状態推定、計画、および制御の正確な適用が必要です。
さらに難しいのは、タイヤの磨耗などによって時間の経過とともに変化する横方向のタイヤ スリップの影響を示す車両モデル パラメータを正確に特定することです。
現在の作業では、オフラインでのモデル同定を提案するか、開始するのに適切なパラメーター (実際の値の 15 ～ 20\% 以内) が必要ですが、これでは、実際のレース中に管理限界で走行するときに発生するタイヤ モデルの大きな変化を説明するには不十分です。
収集したデータからタイヤモデルをオンラインで学習し、モデルパラメータが大幅に変化しても環境の変化に基づいてモデルを調整する統合フレームワークを提案します。
1:43 スケールのレースカーとフルサイズの車の数値および高忠実度シミュレーターでアプローチを示します。

要約(オリジナル)

Autonomous racing is a challenging problem, as the vehicle needs to operate at the friction or handling limits in order to achieve minimum lap times. Autonomous race cars require highly accurate perception, state estimation, planning and precise application of controls. What makes it even more challenging is the accurate identification of vehicle model parameters that dictate the effects of the lateral tire slip, which may change over time, for example, due to wear and tear of the tires. Current works either propose model identification offline or need good parameters to start with (within 15-20\% of actual value), which is not enough to account for major changes in tire model that occur during actual races when driving at the control limits. We propose a unified framework which learns the tire model online from the collected data, as well as adjusts the model based on environmental changes even if the model parameters change by a higher margin. We demonstrate our approach in numeric and high-fidelity simulators for a 1:43 scale race car and a full-size car.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google