Robustness Evaluation of Localization Techniques for Autonomous Racing

要約

この作品では、高速レース環境向けに調整された MCL ベースのアルゴリズムである SynPF を導入します。
最先端のポーズグラフ SLAM アルゴリズムである Cartographer に対してベンチマークされた SynPF は、以前の粒子フィルタリング手法からの相乗効果を活用し、それらを高性能レーシング ドメイン向けに合成します。
私たちの広範な現場での評価により、Cartographer は公称条件下では優れているものの、グリップ レベルの変化や攻撃的な運転動作によりレース シナリオでよく見られる現象であるホイール スリップにさらされると苦戦することが明らかになりました。
逆に、SynPF は、これらの困難な条件下での堅牢性と、GPU のないオンボード コンピューター上で 1.25 ミリ秒の低遅延計算時間を示します。
この研究では、1:10 スケールの自動運転レーシング車両である F1TENTH プラットフォームを使用して、7.6 m/s までテストされた高速シナリオにおける既存のアルゴリズムの脆弱性を浮き彫りにするだけでなく、実行可能な代替手段としての SynPF の可能性も強調しています。
特にオドメトリ状態が悪化している場合。

要約(オリジナル)

This work introduces SynPF, an MCL-based algorithm tailored for high-speed racing environments. Benchmarked against Cartographer, a state-of-the-art pose-graph SLAM algorithm, SynPF leverages synergies from previous particle-filtering methods and synthesizes them for the high-performance racing domain. Our extensive in-field evaluations reveal that while Cartographer excels under nominal conditions, it struggles when subjected to wheel-slip, a common phenomenon in a racing scenario due to varying grip levels and aggressive driving behaviour. Conversely, SynPF demonstrates robustness in these challenging conditions and a low-latency computation time of 1.25 ms on on-board computers without a GPU. Using the F1TENTH platform, a 1:10 scaled autonomous racing vehicle, this work not only highlights the vulnerabilities of existing algorithms in high-speed scenarios, tested up until 7.6 m/s, but also emphasizes the potential of SynPF as a viable alternative, especially in deteriorating odometry conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google