Lane-Keeping Control of Autonomous Vehicles Through a Soft-Constrained Iterative LQR

要約

ジッターを伴う制御動作は車両システムを不安定にする可能性があるため、スムーズなステアリング入力を正確に予測することは自動車用途にとって非常に重要です。
追加の平滑化アルゴリズムを使用せずに自動車車線維持制御におけるこの問題に対処するために、CILQR アルゴリズムとモデル予測制御 (MPC) 制約緩和手法を統合することにより、新しいソフト制約付き反復線形二次レギュレーター (soft-CILQR) アルゴリズムを開発しました。
。
ソフト CILQR ソルバーの状態および制御バリア関数にスラック変数を組み込み、制御入力の安定化を計算的に簡単な方法で達成できるように、最適化プロセスの制約を緩和しました。
提案されたソフト CILQR アルゴリズムのパフォーマンスをテストするために、線形システム ダイナミクス モデルを使用して 2 種類の自動車の車線維持実験 (数値シミュレーションと困難な視覚ベースの操作を伴う実験) が実行され、そのパフォーマンスが CILQR のパフォーマンスと比較されました。
アルゴリズム。
数値シミュレーションでは、ソフト CILQR および CILQR ソルバーはシステムを漸近的に基準状態に向けて駆動することができました。
ただし、ソフト CILQR ソルバーは、付加的な外乱を伴う条件下で CILQR ソルバーよりも簡単にスムーズなステアリング入力軌道を取得しました。
自車両がさまざまな路面摩擦設定で摂動されたTORCS環境を走行する視覚ベースの実験の結果は、数値テストの結果と一致しました。
提案されたソフト CILQR アルゴリズムは、平均実行時間 2.55 ミリ秒を達成したため、リアルタイムの自動運転シナリオに適用できます。

要約(オリジナル)

The accurate prediction of smooth steering inputs is crucial for automotive applications because control actions with jitter might cause the vehicle system to become unstable. To address this problem in automobile lane-keeping control without the use of additional smoothing algorithms, we developed a novel soft-constrained iterative linear quadratic regulator (soft-CILQR) algorithm by integrating CILQR algorithm and a model predictive control (MPC) constraint relaxation method. We incorporated slack variables into the state and control barrier functions of the soft-CILQR solver to soften the constraints in the optimization process such that control input stabilization can be achieved in a computationally simple manner. Two types of automotive lane-keeping experiments (numerical simulations and experiments involving challenging vision-based maneuvers) were conducted with a linear system dynamics model to test the performance of the proposed soft-CILQR algorithm, and its performance was compared with that of the CILQR algorithm. In the numerical simulations, the soft-CILQR and CILQR solvers managed to drive the system toward the reference state asymptotically; however, the soft-CILQR solver obtained smooth steering input trajectories more easily than did the CILQR solver under conditions involving additive disturbances. The results of the vision-based experiments in which an ego vehicle drove in perturbed TORCS environments with various road friction settings were consistent with those of the numerical tests. The proposed soft-CILQR algorithm achieved an average runtime of 2.55 ms and is thus applicable for real-time autonomous driving scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google