Lane-Keeping Control of Autonomous Vehicles Through a Soft-Constrained Iterative LQR

要約

ジッターを伴う制御動作により車両システムが不安定になる可能性があるため、自動運転車アプリケーションではスムーズなステアリング入力を正確に予測することが重要です。
追加の平滑化アルゴリズムを使用せずに自動車車線維持制御におけるこの問題に対処するために、CILQR アルゴリズムとモデル予測制御 (MPC) 制約緩和手法を統合することにより、ソフト制約付き反復線形二次レギュレーター (soft-CILQR) アルゴリズムを開発しました。
。
ソフト CILQR ソルバーの状態および制御バリア関数にスラック変数を組み込み、最適化プロセスの制約を緩和して、安定化制御入力を比較的簡単な方法で計算できるようにしました。
提案されたソフト CILQR アルゴリズムの性能をテストし、その性能を CILQR アルゴリズムの性能と比較するために、線形システム ダイナミクス モデルを使用して 2 種類の自動車の車線維持実験が実施されました。数値シミュレーションと、困難な視覚ベースの操作を伴う実験です。
数値シミュレーションでは、ソフト CILQR および CILQR ソルバーはシステムを漸近的に基準状態に向けて駆動することができました。
ただし、ソフト CILQR ソルバーは、付加的な外乱を伴う条件下で CILQR ソルバーよりも簡単にスムーズなステアリング入力軌道を取得しました。
視覚入力を用いた実験では、TORCS での自車両の運転中の追跡精度とステアリングの滑らかさの点で、ソフト CILQR コントローラーが CILQR コントローラーよりも優れた性能を示しました。

要約(オリジナル)

The accurate prediction of smooth steering inputs is crucial for autonomous vehicle applications because control actions with jitter might cause the vehicle system to become unstable. To address this problem in automobile lane-keeping control without the use of additional smoothing algorithms, we developed a soft-constrained iterative linear-quadratic regulator (soft-CILQR) algorithm by integrating CILQR algorithm and a model predictive control (MPC) constraint relaxation method. We incorporated slack variables into the state and control barrier functions of the soft-CILQR solver to soften the constraints in the optimization process so that stabilizing control inputs can be calculated in a relatively simple manner. Two types of automotive lane-keeping experiments were conducted with a linear system dynamics model to test the performance of the proposed soft-CILQR algorithm and to compare its performance with that of the CILQR algorithm: numerical simulations and experiments involving challenging vision-based maneuvers. In the numerical simulations, the soft-CILQR and CILQR solvers managed to drive the system toward the reference state asymptotically; however, the soft-CILQR solver obtained smooth steering input trajectories more easily than did the CILQR solver under conditions involving additive disturbances. In the experiments with visual inputs, the soft-CILQR controller outperformed the CILQR controller in terms of tracking accuracy and steering smoothness during the driving of an ego vehicle on TORCS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google