Hierarchical Motion Planning and Offline Robust Model Predictive Control for Autonomous Vehicles

要約

過酷な条件下で複雑なシナリオで車両を運転することは、自動運転車 (AV) にとって最大の課題です。
この問題に対処するために、車両の不確実なパラメータを考慮しながら、さまざまな滑りやすい路面粘着係数を持つ複雑なシナリオでフロントアクティブステアリングシステムを使用した階層的な運動計画とロバスト制御戦略を提案します。
人間の車両 (HV) の動作は、インテリジェント ドライバー モデル (IDM) を介して車両追従モデルの形式で考慮され、モデル化されます。
次に、上位層では、モーション プランナーが最初に人工ポテンシャル フィールド (APF) アルゴリズムを使用して、道路標識、境界線、静的/動的障害物などの周囲のオブジェクトを定式化することにより、最適な軌道を生成します。
生成された最適な軌道を追跡するために、下位層では、ロバスト性を保証する線形行列不等式 (LMI) 最適化手法を適用することにより、線形パラメータ変動 (LPV) システムにオフライン制約付き出力フィードバック ロバスト モデル予測制御 (RMPC) が採用されます。
モデルパラメータの不確実性に対して。
さらに、システムモデルを拡張することにより、オフライン RMPC と呼ばれる私たちが提案するアプローチは、オフセットオフライン RMPC、オンライン RMPC、拡張モデルを使用しないオフライン RMPC (AM なしのオフライン RMPC) などの 3 つの既存の RMPC アプローチと比較して、優れた効率を実現します。
）、計算時間の向上と入力振動の軽減の両方において。

要約(オリジナル)

Driving vehicles in complex scenarios under harsh conditions is the biggest challenge for autonomous vehicles (AVs). To address this issue, we propose hierarchical motion planning and robust control strategy using the front-active steering system in complex scenarios with various slippery road adhesion coefficients while considering vehicle uncertain parameters. Behaviors of human vehicles (HVs) are considered and modeled in the form of a car-following model via the Intelligent Driver Model (IDM). Then, in the upper layer, the motion planner first generates an optimal trajectory by using the artificial potential field (APF) algorithm to formulate any surrounding objects, e.g., road marks, boundaries, and static/dynamic obstacles. To track the generated optimal trajectory, in the lower layer, an offline-constrained output feedback robust model predictive control (RMPC) is employed for the linear parameter varying (LPV) system by applying linear matrix inequality (LMI) optimization method that ensures the robustness against the model parameter uncertainties. Furthermore, by augmenting the system model, our proposed approach, called offline RMPC, achieves outstanding efficiency compared to three existing RMPC approaches, e.g., offset-offline RMPC, online RMPC, and offline RMPC without an augmented model (offline RMPC w/o AM), in both improving computing time and reducing input vibrations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google