Kineto-Dynamical Planning and Accurate Execution of Minimum-Time Maneuvers on Three-Dimensional Circuits

要約

3次元（3D）サーキットでの最小時間操作のオンライン計画と実行は、自律的な車両レースのオープンな課題です。
このホワイトペーパーでは、車両のダイナミクスを学習し、3Dトラックで最小時間操作を計画および実行するために、人工レースドライバー（ARD）を紹介します。
ARDは、経済的非線形モデル予測制御（E-NMPC）を使用して、軌道計画のための新しい動態型（KD）車両モデルを統合します。
高忠実度の車両シミュレーター（VS）を使用して、閉ループARDの結果を最小限の時間最適コントロール問題（MLT-V）と比較し、同じVsでオフラインで解決しました。
私たちのARDは、ラップタイムをMLT-VSに近づけ、新しいKDモデルは文献ベンチマークよりも優れています。
最後に、実行エラー下でのARDの再計画機能を評価するために、車両の軌跡を研究します。
主な結果を含むビデオは、補足資料として入手できます。

要約(オリジナル)

Online planning and execution of minimum-time maneuvers on three-dimensional (3D) circuits is an open challenge in autonomous vehicle racing. In this paper, we present an artificial race driver (ARD) to learn the vehicle dynamics, plan and execute minimum-time maneuvers on a 3D track. ARD integrates a novel kineto-dynamical (KD) vehicle model for trajectory planning with economic nonlinear model predictive control (E-NMPC). We use a high-fidelity vehicle simulator (VS) to compare the closed-loop ARD results with a minimum-lap-time optimal control problem (MLT-VS), solved offline with the same VS. Our ARD sets lap times close to the MLT-VS, and the new KD model outperforms a literature benchmark. Finally, we study the vehicle trajectories, to assess the re-planning capabilities of ARD under execution errors. A video with the main results is available as supplementary material.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google