Factor Graph-Based Planning as Inference for Autonomous Vehicle Racing

要約

ファクター グラフは、2 部構成のグラフィカル モデルとして、グラフ ノード間のローカルな接続を明らかにすることで構造化された表現を提供します。
この研究では、自律型レースカーの計画問題をモデル化する際のファクター グラフの利用を検討し、従来の最適化ベースの定式化に別の視点を提示します。
運動目標の同時分布を捕捉する因子ノードを使用して、計画問題を因子グラフ上の確率的推論としてモデル化します。
最適化と推論の間の二重性を活用することにより、最小二乗最適化を通じてファクター グラフの事後最大推定値に対する高速な解が得られます。
この定式化に固有の局所的な設計思考により、動作目標が変数の小さなサブセットに依存することが保証されます。
ファクター グラフ構造の局所性機能を利用して、最小曲率パスと局所計画計算を統一アルゴリズムに統合します。
これは、曲率の最小化がグローバル レベルで行われる、グローバル プランニング モジュールとローカル プランニング モジュールの従来の分離とは異なります。
提案されたフレームワークはシミュレーションを通じて評価され、優れた累積曲率と平均速度性能を実証しました。
さらに、結果は、私たちのアプローチの計算効率を強調しています。
提案されたアプローチの構造設計の利点と計算効率を認識しながら、その限界にも対処し、将来の研究の潜在的な方向性を概説します。

要約(オリジナル)

Factor graph, as a bipartite graphical model, offers a structured representation by revealing local connections among graph nodes. This study explores the utilization of factor graphs in modeling the autonomous racecar planning problem, presenting an alternate perspective to the traditional optimization-based formulation. We model the planning problem as a probabilistic inference over a factor graph, with factor nodes capturing the joint distribution of motion objectives. By leveraging the duality between optimization and inference, a fast solution to the maximum a posteriori estimation of the factor graph is obtained via least-squares optimization. The localized design thinking inherent in this formulation ensures that motion objectives depend on a small subset of variables. We exploit the locality feature of the factor graph structure to integrate the minimum curvature path and local planning computations into a unified algorithm. This diverges from the conventional separation of global and local planning modules, where curvature minimization occurs at the global level. The proposed framework is evaluated through simulation, demonstrating superior cumulative curvature and average speed performance. Furthermore, the results highlight the computational efficiency of our approach. While acknowledging the structural design advantages and computational efficiency of the proposed approach, we also address its limitations and outline potential directions for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google