aUToPath: Unified Planning and Control for Autonomous Vehicles in Urban Environments Using Hybrid Lattice and Free-Space Search

要約

このペーパーでは、散らかった都市環境における自律的なナビゲーションの課題に対処するためのグローバルなパス計画と制御のための統一されたオンラインフレームワークであるAutopathを紹介します。
私たちのフレームワークの重要なコンポーネントは、事前に計算された格子マップと動的自由空間サンプリングを組み合わせて、散らかったシナリオで最適な駆動可能な廊下を効率的に生成する新しいハイブリッドプランナーです。
また、私たちのシステムは、廊下を滑らかで動的に一貫した軌道に改良するために、順次凸プログラミング（SCP）ベースのモデル予測制御（MPC）を備えています。
単一の最適化問題を使用して、軌道とその対応する制御コマンドの両方を生成します。
これは、安全で実行可能なパスを保証することにより、分離されたアプローチの制限に対処します。
ランダムに生成された障害物が豊富なシナリオに関する新しいプランナーのシミュレーション結果は、フリースペースに適応的に情報に基づいた木*（AIT*）ベースのプランナーの成功率と、格子ベースのプランナーに匹敵するランタイムを示しています。
シボレーボルトEUV上の完全なシステムの実際の実験は、密な障害物フィールドでのパフォーマンスをさらに検証し、交通、運動学、または車両の制約の違反がないこと、および8つの試験で100％の成功率を示しています。

要約(オリジナル)

This paper presents aUToPath, a unified online framework for global path-planning and control to address the challenge of autonomous navigation in cluttered urban environments. A key component of our framework is a novel hybrid planner that combines pre-computed lattice maps with dynamic free-space sampling to efficiently generate optimal driveable corridors in cluttered scenarios. Our system also features sequential convex programming (SCP)-based model predictive control (MPC) to refine the corridors into smooth, dynamically consistent trajectories. A single optimization problem is used to both generate a trajectory and its corresponding control commands; this addresses limitations of decoupled approaches by guaranteeing a safe and feasible path. Simulation results of the novel planner on randomly generated obstacle-rich scenarios demonstrate the success rate of a free-space Adaptively Informed Trees* (AIT*)-based planner, and runtimes comparable to a lattice-based planner. Real-world experiments of the full system on a Chevrolet Bolt EUV further validate performance in dense obstacle fields, demonstrating no violations of traffic, kinematic, or vehicle constraints, and a 100% success rate across eight trials.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google