Model Predictive Control for Aggressive Driving Over Uneven Terrain

要約

オフロード自律走行における地形の通過性は、従来、車両と地形の相互作用を捕捉するために、意味論的分類またはリソース集約型のダイナミクス モデルに依存してきました。
しかし、高速オフロードプラットフォームの開発における当社の経験から、7 ～ 10 m/s の動作速度では現在の方法では適切に対処できないいくつかの重大な課題が明らかになりました。
この研究は、丘、土手、溝などの凹凸のある地形の形状に特に焦点を当てています。
これらの一般的な高リスクの形状は、下手に通過すると車両が不能になったり、乗客に重傷を負わせたりする可能性があります。
地形力学における通過可能性の制約を特定するための物理ベースのフレームワークを導入します。
このフレームワークを使用して、横転と溝越えの失敗を軽減することに主な焦点を当てて、2 つの基本的な制約を導き出します。
さらに、モデル予測制御 (MPC) と低レベルのコントローラーを使用して、アグレッシブな運転の要求を満たすこれらの制約の高速かつ効率的な計算を可能にする計画および制御システムの設計を紹介します。
現実世界での実験や丘や溝の横断を通じて、私たちのアプローチはテストされ、人間の専門家と比較してベンチマークが行われます。
これらの結果は、私たちのアプローチがこれらの地形特徴に対する安全かつ積極的な制御の基本的な要素を捉えていることを示しています。

要約(オリジナル)

Terrain traversability in off-road autonomy has traditionally relied on semantic classification or resource-intensive dynamics models to capture vehicle-terrain interactions. However, our experiences in the development of a high-speed off-road platform have revealed several critical challenges that are not adequately addressed by current methods at our operating speeds of 7–10 m/s. This study focuses particularly on uneven terrain geometries such as hills, banks, and ditches. These common high-risk geometries are capable of disabling the vehicle and causing severe passenger injuries if poorly traversed. We introduce a physics-based framework for identifying traversability constraints on terrain dynamics. Using this framework, we then derive two fundamental constraints, with a primary focus on mitigating rollover and ditch-crossing failures. In addition, we present the design of our planning and control system, which uses Model Predictive Control (MPC) and a low-level controller to enable the fast and efficient computation of these constraints to meet the demands of our aggressive driving. Through real-world experimentation and traversal of hills and ditches, our approach is tested and benchmarked against a human expert. These results demonstrate that our approach captures fundamental elements of safe and aggressive control on these terrain features.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google