要約
自律走行システム（ADS）における安全な軌道計画は、リアルタイムで解くには複雑な問題である。この問題を解決するための主な課題は、道路形状、意味論、交通ルールによって課される様々な条件や制約、さらには動的エージェントの存在から生じる。近年、モデル予測経路積分（Model Predictive Path Integral：MPPI）が、非構造的で不確実性の高い環境におけるロボットナビゲーションにおける最適な運動計画と制御のための効果的なフレームワークであることが示されている。本論文では、ADSにおける運動計画問題を、MPPI戦略を用いて解くことができる非線形確率動的最適化問題として定式化する。本研究の主な技術的貢献は、MPPI定式化において障害物を安全に取り扱う方法である。この手法では、障害物を円で近似し、安全マージンを考慮しながらMPPIコスト定式化に容易に組み込むことができる。提案するMPPIフレームワークは、我々の自律走行車両に効率的に実装され、3つの異なるプリミティブシナリオを用いて実験的に検証された。実験の結果、生成された軌道は安全で実現可能であり、計画目的を完全に達成することが示された。ビデオ結果とオープンソース実装は、https://gitlab.uni.lu/360lab-public/mppi で入手可能である。
要約(オリジナル)
Planning safe trajectories in Autonomous Driving Systems (ADS) is a complex problem to solve in real-time. The main challenge to solve this problem arises from the various conditions and constraints imposed by road geometry, semantics and traffic rules, as well as the presence of dynamic agents. Recently, Model Predictive Path Integral (MPPI) has shown to be an effective framework for optimal motion planning and control in robot navigation in unstructured and highly uncertain environments. In this paper, we formulate the motion planning problem in ADS as a nonlinear stochastic dynamic optimization problem that can be solved using an MPPI strategy. The main technical contribution of this work is a method to handle obstacles within the MPPI formulation safely. In this method, obstacles are approximated by circles that can be easily integrated into the MPPI cost formulation while considering safety margins. The proposed MPPI framework has been efficiently implemented in our autonomous vehicle and experimentally validated using three different primitive scenarios. Experimental results show that generated trajectories are safe, feasible and perfectly achieve the planning objective. The video results as well as the open-source implementation are available at: https://gitlab.uni.lu/360lab-public/mppi
arxiv情報
| 著者 | Mehdi Testouri,Gamal Elghazaly,Raphael Frank |
| 発行日 | 2023-08-03 09:37:34+00:00 |
| arxivサイト | arxiv_id(pdf) |