GripMap: An Efficient, Spatially Resolved Constraint Framework for Offline and Online Trajectory Planning in Autonomous Racing

要約

自動運転車の従来の軌道計画アプローチは、多くの場合、車両の位置に関係なく一定のままである固定車両モデルを想定しています。
これは、タイヤと表面が車両のダイナミクスにおける2つの力を伝達するパートナーであるという重要な事実を見落としています。
タイヤは車両にとどまる間、表面の状態は場所によって異なります。
これらの課題を認識して、このペーパーでは、自律レースに適用されるオフラインおよびオンライン計画アルゴリズムの両方で、空間的に動的制約を解決するための新しいフレームワークを提示します。
GripMapの概念を紹介します。これにより、Frenetフレームの車両動的制約の空間分解能が提供され、局所的にさまざまなグリップ条件への適応が可能になります。
これにより、空間的に不変の車両モデルで達成できない、場所固有の効果、より効率的な車両行動、および安全性の向上を補償することができます。
焦点は、低い貯蔵需要と完全なハッシュによる迅速なアクセスにあります。
このフレームワークは、提示された形式の実際のアプリケーションで有利であることが証明されました。
自律的なレースに触発された実験は、その有効性を示しています。
将来の作業では、このフレームワークは、リアルタイムでさまざまなグリップ条件に合わせて調整する将来の解釈可能な学習アルゴリズムを開発するための基礎層として機能します。

要約(オリジナル)

Conventional trajectory planning approaches for autonomous vehicles often assume a fixed vehicle model that remains constant regardless of the vehicle’s location. This overlooks the critical fact that the tires and the surface are the two force-transmitting partners in vehicle dynamics; while the tires stay with the vehicle, surface conditions vary with location. Recognizing these challenges, this paper presents a novel framework for spatially resolving dynamic constraints in both offline and online planning algorithms applied to autonomous racing. We introduce the GripMap concept, which provides a spatial resolution of vehicle dynamic constraints in the Frenet frame, allowing adaptation to locally varying grip conditions. This enables compensation for location-specific effects, more efficient vehicle behavior, and increased safety, unattainable with spatially invariant vehicle models. The focus is on low storage demand and quick access through perfect hashing. This framework proved advantageous in real-world applications in the presented form. Experiments inspired by autonomous racing demonstrate its effectiveness. In future work, this framework can serve as a foundational layer for developing future interpretable learning algorithms that adjust to varying grip conditions in real-time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google