A Fast Approach to Minimum Curvature Raceline Planning via Probabilistic Inference

要約

推論問題としての計画の動作目標は、ファクター グラフ上の結合された確率変数に対する同時分布として定式化されます。
最適化と推論の二重性を利用して、最小二乗最適化を通じてファクター グラフの最大事後推定に対する高速な解を取得できます。
このアプローチの計算効率は、最小曲率のレースラインを見つけるために競争力のある自律レースで使用できます。
レースラインの検索は、特定のレーストラックで最高のコーナリング速度を提供し、ラップタイムの短縮につながる、レースカーの最小曲率パスの計算を伴うグローバル プランニング問題として分類されます。
この研究では、ファクター グラフ上の確率的推論として最小曲率レースライン計画問題を定式化するための新しい方法論を導入します。
最小曲率計画問題に固有の接線ジオメトリと構造特性を利用することで、それをファクター グラフで表現し、その後、スパース最小二乗最適化によって解決します。
二次計画法ベースの方法論との比較分析を実行して得られた結果から、提案されたアプローチは、計算効率の 4 倍の向上を達成しながら、同等のラップタイムの短縮を実現するため、優れた計算パフォーマンスを実証しました。

要約(オリジナル)

The motion objectives of a planning as inference problem are formulated as a joint distribution over coupled random variables on a factor graph. Leveraging optimization-inference duality, a fast solution to the maximum a posteriori estimation of the factor graph can be obtained via least-squares optimization. The computational efficiency of this approach can be used in competitive autonomous racing for finding the minimum curvature raceline. Finding the raceline is classified as a global planning problem that entails the computation of a minimum curvature path for a racecar which offers highest cornering speed for a given racetrack resulting in reduced lap time. This work introduces a novel methodology for formulating the minimum curvature raceline planning problem as probabilistic inference on a factor graph. By exploiting the tangential geometry and structural properties inherent in the minimum curvature planning problem, we represent it on a factor graph, which is subsequently solved via sparse least-squares optimization. The results obtained by performing comparative analysis with the quadratic programming-based methodology, the proposed approach demonstrated the superior computing performance, as it provides comparable lap time reduction while achieving fourfold improvement in computational efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google