Real-Time LPV-Based Non-Linear Model Predictive Control for Robust Trajectory Tracking in Autonomous Vehicles

要約

このペーパーでは、多様な運転条件下で自動運転車の軌跡追跡のためのモデル予測制御（MPC）フレームワークの開発と実装を紹介します。
提案されたアプローチには、状態推定、車両のダイナミクスモデリング、および最適化を統合してリアルタイムのパフォーマンスを確保するモジュラーアーキテクチャが組み込まれています。
状態空間方程式は、さまざまな（LPV）形式（LPV）形式で定式化され、さまざまな軌道の重量マトリックスを最適化するために曲率ベースのチューニング方法が導入されています。
MPCフレームワークは、状態推定と制御の最適化を並行して実行するためにロボットオペレーティングシステム（ROS）を使用して実装され、スケーラビリティと最小レイテンシを確保します。
複数の事前定義された軌跡で広範なシミュレーションとリアルタイムの実験が行われ、積極的な操作や高速条件下であっても、最小限のクロストラックと方向エラーを伴う高精度を示しました。
結果は、提案されたシステムの堅牢性と適応性を強調し、シミュレートされたパフォーマンスと実際のパフォーマンスの間のシームレスなアライメントを実現します。
この作業は、動的な重量調整と協力的な自律ナビゲーションシステムへの統合の基礎を築き、自律運転アプリケーションの安全性と効率を向上させる方法を開催しています。

要約(オリジナル)

This paper presents the development and implementation of a Model Predictive Control (MPC) framework for trajectory tracking in autonomous vehicles under diverse driving conditions. The proposed approach incorporates a modular architecture that integrates state estimation, vehicle dynamics modeling, and optimization to ensure real-time performance. The state-space equations are formulated in a Linear Parameter Varying (LPV) form, and a curvature-based tuning method is introduced to optimize weight matrices for varying trajectories. The MPC framework is implemented using the Robot Operating System (ROS) for parallel execution of state estimation and control optimization, ensuring scalability and minimal latency. Extensive simulations and real-time experiments were conducted on multiple predefined trajectories, demonstrating high accuracy with minimal cross-track and orientation errors, even under aggressive maneuvers and high-speed conditions. The results highlight the robustness and adaptability of the proposed system, achieving seamless alignment between simulated and real-world performance. This work lays the foundation for dynamic weight tuning and integration into cooperative autonomous navigation systems, paving the way for enhanced safety and efficiency in autonomous driving applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google