Model Predictive Inferential Control of Neural State-Space Models for Autonomous Vehicle Motion Planning

要約

モデル予測制御（MPC）は、自動運転車の安全で最適なモーション計画を可能にするのに役立つことが証明されています。
この論文では、神経状態空間モデルが車両のダイナミクスを表す場合に、MPCベースのモーション計画を達成する方法を調査します。
神経状態空間モデルは、非常に複雑で非線形および非凸最適化の景観につながるため、主流の勾配ベースのMPCメソッドは、実行可能なソリューションになるには計算上重すぎます。
出発において、制御目標と制約から最良の制御決定を推測しようとするモデル予測推論制御（MPIC）のアイデアを提案します。
このアイデアに従って、モーション計画のMPC問題をベイジアン州の推定問題に変換します。
次に、推定を実行するために新しい粒子フィルタリング/スムージングアプローチを開発します。
このアプローチは、無香料のカルマンフィルター/スムーザーの銀行として実装されており、高いサンプリング効率、高速計算、および推定精度を提供します。
さまざまなシナリオでの自律運転のシミュレーション調査を通じて、勾配ベースのMPCとの徹底的な比較を通じて、MPICアプローチを評価します。
結果は、MPICアプローチが複雑なニューラルネットワークアーキテクチャに関係なくかなりの計算効率を持ち、神経状態空間モデルの大規模なMPC問題を解決する機能を示していることを示しています。

要約(オリジナル)

Model predictive control (MPC) has proven useful in enabling safe and optimal motion planning for autonomous vehicles. In this paper, we investigate how to achieve MPC-based motion planning when a neural state-space model represents the vehicle dynamics. As the neural state-space model will lead to highly complex, nonlinear and nonconvex optimization landscapes, mainstream gradient-based MPC methods will be computationally too heavy to be a viable solution. In a departure, we propose the idea of model predictive inferential control (MPIC), which seeks to infer the best control decisions from the control objectives and constraints. Following the idea, we convert the MPC problem for motion planning into a Bayesian state estimation problem. Then, we develop a new particle filtering/smoothing approach to perform the estimation. This approach is implemented as banks of unscented Kalman filters/smoothers and offers high sampling efficiency, fast computation, and estimation accuracy. We evaluate the MPIC approach through a simulation study of autonomous driving in different scenarios, along with an exhaustive comparison with gradient-based MPC. The results show that the MPIC approach has considerable computational efficiency, regardless of complex neural network architectures, and shows the capability to solve large-scale MPC problems for neural state-space models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google