Evaluation of Local Planner-Based Stanley Control in Autonomous RC Car Racing Series

要約

本稿では自律型RCカーレースのための制御手法を提案する。
提示された方法では、実際の LiDAR 点群上でローカル パス プランニングのみを実行するため、事前のマップ構築フェーズは必要ありません。
レーシング制御アルゴリズムは、ラップタイムを最小限に抑えるために、実際のトラックレイアウトに最適化する機能を備えていなければなりません。
検証されたものでは、追加の制御コンポーネントを備えたスタンレーコントローラーの改良により、低速域と高速域の両方で動作を安定させ、適応先読みポイントの統合により、移動距離に応じてシャープでダイナミックなコーナリングを誘発することが保証されています。
削減。
開発した手法を1/10サイズのRCカーでテストし、実際のF1Tenthレースでのベースソリューションから最適なセッティングまでのチューニング手順を示します。
さらに、提案された方法は、より単純なリアクティブな方法との比較、およびグローバル最適軌道計算を構築するオフライン マップを含むより複雑な最適化ベースの手法と並行して評価されます。
ラップタイムに関して後者と比較した提案手法のパフォーマンスは、提案手法の方が平均速度が 8% 低いだけです。
これは、適切な調整を行えば、ローカル計画ベースの手法が、より複雑な最適化ベースの手法と同等であることを示しています。
したがって、最先端の方法とのパフォーマンスのギャップは 10% 未満です。
さらに、提案された手法は実際のシナリオとの類似性が非常に高いため、自動車産業の文脈において興味深い結果が得られる可能性があります。

要約(オリジナル)

This paper proposes a control technique for autonomous RC car racing. The presented method does not require any map-building phase beforehand since it operates only local path planning on the actual LiDAR point cloud. Racing control algorithms must have the capability to be optimized to the actual track layout for minimization of lap time. In the examined one, it is guaranteed with the improvement of the Stanley controller with additive control components to stabilize the movement in both low and high-speed ranges, and with the integration of an adaptive lookahead point to induce sharp and dynamic cornering for traveled distance reduction. The developed method is tested on a 1/10-sized RC car, and the tuning procedure from a base solution to the optimal setting in a real F1Tenth race is presented. Furthermore, the proposed method is evaluated with a comparison to a more simple reactive method, and in parallel to a more complex optimization-based technique that involves offline map building the global optimal trajectory calculation. The performance of the proposed method compared to the latter, referring to the lap time, is that the proposed one has only 8% lower average speed. This demonstrates that with appropriate tuning, a local planning-based method can be comparable with a more complex optimization-based one. Thus, the performance gap is lower than 10% from the state-of-the-art method. Moreover, the proposed technique has significantly higher similarity to real scenarios, therefore the results can be interesting in the context of automotive industry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google