Double-Iterative Gaussian Process Regression for Modeling Error Compensation in Autonomous Racing

要約

車両が最適なラップタイムを達成するためにハンドリングの限界まで追い込まれるため、自律的なレーシング制御は研究上の困難な問題です。
したがって、車両は高度に非線形で複雑なダイナミクスを示します。
ドリフト、空力、シャーシの重量移動、サスペンションなどのモデル化が難しい影響により、実行不可能で最適ではない軌道が生じる可能性があります。
オフライン計画では、最小ラップタイム目標に向けて完全な基準軌道を最適化できますが、計画モデルの誤差がコントローラーのモデリング誤差と重なるため、オフライン計画を使用する場合、このようなモデリングの不一致は特に有害です。
ガウス過程回帰 (GPR) はモデリング エラーを補正できます。
しかし、これまでの研究では、オフライン計画で使用されるモデルが全体のパフォーマンスにどのように影響するかを考慮せず、主にリアルタイム制御におけるモデリングエラーに焦点を当てていました。
この研究では、モデルの不確実性を低減するために二重 GPR 誤差補償アルゴリズムを提案します。
具体的には、プランナーのモデルとコントローラーのモデルの両方を、それぞれ 2 つの GPR ベースの誤差補正関数で補正します。
さらに、レーシング制御システムを使用してエラーの多いデータを再収集するための反復フレームワークを設計します。
私たちは、忠実度の高いレーシング シミュレーター グランツーリスモ スポーツ (GTS) でメソッドをテストします。
私たちの反復的なダブル GPR 補償関数は、リアルタイム制御のみに適用される単一の補償関数と比較して、レーシング パフォーマンスと反復の安定性を向上させることがわかりました。

要約(オリジナル)

Autonomous racing control is a challenging research problem as vehicles are pushed to their limits of handling to achieve an optimal lap time; therefore, vehicles exhibit highly nonlinear and complex dynamics. Difficult-to-model effects, such as drifting, aerodynamics, chassis weight transfer, and suspension can lead to infeasible and suboptimal trajectories. While offline planning allows optimizing a full reference trajectory for the minimum lap time objective, such modeling discrepancies are particularly detrimental when using offline planning, as planning model errors compound with controller modeling errors. Gaussian Process Regression (GPR) can compensate for modeling errors. However, previous works primarily focus on modeling error in real-time control without consideration for how the model used in offline planning can affect the overall performance. In this work, we propose a double-GPR error compensation algorithm to reduce model uncertainties; specifically, we compensate both the planner’s model and controller’s model with two respective GPR-based error compensation functions. Furthermore, we design an iterative framework to re-collect error-rich data using the racing control system. We test our method in the high-fidelity racing simulator Gran Turismo Sport (GTS); we find that our iterative, double-GPR compensation functions improve racing performance and iteration stability in comparison to a single compensation function applied merely for real-time control.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google