Real-Time Model Predictive Control of Vehicles with Convex-Polygon-Aware Collision Avoidance in Tight Spaces

要約

このホワイトペーパーでは、車両と障害物の両方のポリゴン近似をモデル予測制御（MPC）フレームワークに組み込むことにより、タイトなスペースでの障害物回避を伴う車両モーション計画方法を提案します。
これらの形状を表すことは、狭いスペースでのナビゲーションにとって重要であり、正確な衝突検出を確保します。
ただし、多角形の近似を組み込むことは、MPC製剤の分離または制約につながり、混合整数プログラミングを必要とし、かなりの計算コストを引き起こします。
これを克服するために、扱いやすい接続詞および制約として分離または制約を再定式化する2つの異なる衝突回避制約を提案します。
タイトスペースの駐車シナリオやさまざまな形の障害物コース、およびRCカープラットフォームでのハードウェア実験など、広範なシミュレーションを通じて両方の方法を検証します。
我々の結果は、SVMベースのアプローチが制約された環境で優れたナビゲーション精度を達成することを示しています。
対照的に、MSDEアプローチはリアルタイムで実行され、衝突回避パフォーマンスがわずかに減少します。

要約(オリジナル)

This paper proposes vehicle motion planning methods with obstacle avoidance in tight spaces by incorporating polygonal approximations of both the vehicle and obstacles into a model predictive control (MPC) framework. Representing these shapes is crucial for navigation in tight spaces to ensure accurate collision detection. However, incorporating polygonal approximations leads to disjunctive OR constraints in the MPC formulation, which require a mixed integer programming and cause significant computational cost. To overcome this, we propose two different collision-avoidance constraints that reformulate the disjunctive OR constraints as tractable conjunctive AND constraints: (1) a Support Vector Machine (SVM)-based formulation that recasts collision avoidance as a SVM optimization problem, and (2) a Minimum Signed Distance to Edges (MSDE) formulation that leverages minimum signed-distance metrics. We validate both methods through extensive simulations, including tight-space parking scenarios and varied-shape obstacle courses, as well as hardware experiments on an RC-car platform. Our results demonstrate that the SVM-based approach achieves superior navigation accuracy in constrained environments; the MSDE approach, by contrast, runs in real time with only a modest reduction in collision-avoidance performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google