Safe and Efficient Trajectory Optimization for Autonomous Vehicles using B-spline with Incremental Path Flattening

要約

B スプライン ベースの軌道最適化は、その計算効率と凸包特性 (動的実現可能性を保証する) により、特に円形の本体形状 (効率的な動作を可能にする) と各軸を自由に動かせるクアッドローターとしてロボット ナビゲーションに広く使用されています (
凸包プロパティの利用が可能になります)。
ただし、自動運転車 (AV) では、車両の運動力学 (長方形の車体形状と各軸を動かすための制約) のため、軌道の最適化に B スプライン曲線を使用することは困難です。
この研究では、インクリメンタルパスフラットニング（IPF）、ディスクタイプのスイープボリューム（SV）推定法、および運動力学的な実現可能性制約を使用して、この困難を回避するためのAV用の新しい軌道最適化アプローチを提案します。
IPF は、車両衝突点の周囲で曲率ペナルティを繰り返し増加させることにより、経路を平坦化し SV を低減することで、AV の衝突のない経路を見つけることができる新しい方法です。
さらに、SV の過近似を軽減し、AV が狭い通路を効率的に通過できるようにするディスク型 SV 推定手法を開発します。
さらに、B スプライン曲率制約を簡素化するクランプ B スプライン曲率制約が、運動力学的実現可能性制約を取得するための動的実現可能性制約 (速度や加速度など) に追加されます。
私たちの実験結果は、私たちの方法がさまざまなシミュレートされた環境で最先端のベースラインを上回るパフォーマンスを示していることを示しています。
また、AV を使用した実際の実験も実施し、その結果により、提案されたアプローチのシミュレートされた追跡パフォーマンスが検証されました。

要約(オリジナル)

B-spline-based trajectory optimization is widely used for robot navigation due to its computational efficiency and convex-hull property (ensures dynamic feasibility), especially as quadrotors, which have circular body shapes (enable efficient movement) and freedom to move each axis (enables convex-hull property utilization). However, using the B-spline curve for trajectory optimization is challenging for autonomous vehicles (AVs) because of their vehicle kinodynamics (rectangular body shapes and constraints to move each axis). In this study, we propose a novel trajectory optimization approach for AVs to circumvent this difficulty using an incremental path flattening (IPF), a disc type swept volume (SV) estimation method, and kinodynamic feasibility constraints. IPF is a new method that can find a collision-free path for AVs by flattening path and reducing SV using iteratively increasing curvature penalty around vehicle collision points. Additionally, we develop a disc type SV estimation method to reduce SV over-approximation and enable AVs to pass through a narrow corridor efficiently. Furthermore, a clamped B-spline curvature constraint, which simplifies a B-spline curvature constraint, is added to dynamical feasibility constraints (e.g., velocity and acceleration) for obtaining the kinodynamic feasibility constraints. Our experimental results demonstrate that our method outperforms state-of-the-art baselines in various simulated environments. We also conducted a real-world experiment using an AV, and our results validate the simulated tracking performance of the proposed approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google