A Stochastic Nonlinear Model Predictive Control with an Uncertainty Propagation Horizon for Autonomous Vehicle Motion Control

要約

リアルタイム アプリケーションに確率的非線形モデル予測制御 (SNMPC) を採用することは、非線形システムを通じて不確実性を伝播する複雑なタスクのため困難です。
この困難は、自動運転車など、予測範囲が拡張された高次元システムではさらに顕著になります。
SNMPC の閉ループ パフォーマンスと実現可能性を強化するために、不確実性伝播ホライズン (UPH) の概念を導入します。
UPH は、システム ダイナミクスを通じて不確実性が伝播する時間を制限し、軌道の発散を防止し、フィードバック ループの利点を最適化し、計算オーバーヘッドを削減します。
私たちの SNMPC アプローチは、多項式カオス展開 (PCE) を利用して不確実性を伝播し、状態の期待に対する非線形のハード制約と非線形の確率的制約を組み込みます。
非線形制約の期待値と分散を推定することにより、確率的制約を決定論的制約に変換します。
次に、動的非線形シングルトラック モデルでモデル化された、自律型乗用車の軌道追跡など、高次元の高度に非線形システムのリアルタイム制御におけるアルゴリズムの有効性を示します。
実験結果は、状態推定外乱に対処しながら、最大 37.5m/s の速度で最適なレーストラック軌道をたどるこのアプローチの堅牢な機能を実証し、最小解決周波数 97Hz を達成しました。
さらに、私たちの実験は、UPH を制限すると、不正確な不確実性の仮定や強い外乱が存在する場合でも、以前は実行不可能だった SNMPC 問題が実行可能になることを示しています。

要約(オリジナル)

Employing Stochastic Nonlinear Model Predictive Control (SNMPC) for real-time applications is challenging due to the complex task of propagating uncertainties through nonlinear systems. This difficulty becomes more pronounced in high-dimensional systems with extended prediction horizons, such as autonomous vehicles. To enhance closed-loop performance in and feasibility in SNMPCs, we introduce the concept of the Uncertainty Propagation Horizon (UPH). The UPH limits the time for uncertainty propagation through system dynamics, preventing trajectory divergence, optimizing feedback loop advantages, and reducing computational overhead. Our SNMPC approach utilizes Polynomial Chaos Expansion (PCE) to propagate uncertainties and incorporates nonlinear hard constraints on state expectations and nonlinear probabilistic constraints. We transform the probabilistic constraints into deterministic constraints by estimating the nonlinear constraints’ expectation and variance. We then showcase our algorithm’s effectiveness in real-time control of a high-dimensional, highly nonlinear system-the trajectory following of an autonomous passenger vehicle, modeled with a dynamic nonlinear single-track model. Experimental results demonstrate our approach’s robust capability to follow an optimal racetrack trajectory at speeds of up to 37.5m/s while dealing with state estimation disturbances, achieving a minimum solving frequency of 97Hz. Additionally, our experiments illustrate that limiting the UPH renders previously infeasible SNMPC problems feasible, even when incorrect uncertainty assumptions or strong disturbances are present.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google