Dynamic Objective MPC for Motion Planning of Seamless Docking Maneuvers

要約

自動運転車や物流ロボットは、しばしば狭い環境において、荷物や充電ステーションなどの特定のターゲットの前に高精度で位置決めする必要があります。多くの場合、このようなドッキングシナリオは2つのステップで解決されます：経路追跡と大まかな位置決めの後、高精度の動作計画アルゴリズムが続きます。これは、最初の段階での不適切な位置決めにより、最適でない軌道を生成する可能性があり、したがって、ゴールに到達するのにかかる時間を長引かせる。本研究では、モデル予測制御（Model Predictive Control：MPCC）とデカルトMPCの利点を統合した、特定のゴールポーズに到達するための統一的なアプローチを提案する。本論文の主な貢献は、ドライビングコリドー内のパスエンドとゴールポーズに到達するための動的重み割り当て法の適応と、いわゆる動的目的MPCの開発である。後者は動的重み割り当て法の改良であり、MPCCからデカルトMPCへの状態依存的な切り替えを本質的に行い、1つのアルゴリズムでシームレスにゴールポーズの位置に依存せずに経路追従問題と高精度位置決めタスクを解くことができる。これにより、先見の明があり、実行可能で安全な運動計画を導き、ミッション時間を短縮し、より滑らかな軌道を得ることができる。

要約(オリジナル)

Automated vehicles and logistics robots must often position themselves in narrow environments with high precision in front of a specific target, such as a package or their charging station. Often, these docking scenarios are solved in two steps: path following and rough positioning followed by a high-precision motion planning algorithm. This can generate suboptimal trajectories caused by bad positioning in the first phase and, therefore, prolong the time it takes to reach the goal. In this work, we propose a unified approach, which is based on a Model Predictive Control (MPC) that unifies the advantages of Model Predictive Contouring Control (MPCC) with a Cartesian MPC to reach a specific goal pose. The paper’s main contributions are the adaption of the dynamic weight allocation method to reach path ends and goal poses inside driving corridors, and the development of the so-called dynamic objective MPC. The latter is an improvement of the dynamic weight allocation method, which can inherently switch state-dependent from an MPCC to a Cartesian MPC to solve the path-following problem and the high-precision positioning tasks independently of the location of the goal pose seamlessly by one algorithm. This leads to foresighted, feasible, and safe motion plans, which can decrease the mission time and result in smoother trajectories.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL