Delay-aware Robust Control for Safe Autonomous Driving

要約

複雑な非線形最適化を使用する手頃な価格の自動運転車の進歩に伴い、計算リソースは限られていますが、計算時間は懸念事項となっています。
アクチュエータのダイナミクスやアクチュエータのコマンド処理コストなどの他の要因も、遅延の原因となることは避けられません。
高速シナリオでは、これらの遅延は車両の安全にとって非常に重要です。
最近の研究では、これらの遅延を個別に検討していますが、自動運転の文脈ですべてを統合するものはありません。
さらに、最近の研究では、計算時間を定数または大きな上限として不適切に考慮しているため、制御の応答性が低下するか、過度に保守的になります。
これらすべての遅延に対処するために、1) 作動ダイナミクスのモデル化、2) ロバストなチューブ モデル予測制御の使用、3) 既知のプロセス モデルとノイズ共分散を仮定せずに新しい適応カルマン フィルターを使用することにより、コントローラーを安全にする統一フレームワークを提示します。
保守性を最小限に抑えながら。
一方で、私たちのアプローチはスタンドアロンのコントローラーとして機能します。
一方、私たちのアプローチは、遅延がないことを前提とした高レベルのコントローラーに安全装置を提供します。
これは、実際の車両システムの遅延を考慮せずに、単純化された環境でトレーニングされたブラックボックス学習対応コントローラーを展開するときに、シミュレーションと実際のギャップを補償するために使用できます。

要約(オリジナル)

With the advancement of affordable self-driving vehicles using complicated nonlinear optimization but limited computation resources, computation time becomes a matter of concern. Other factors such as actuator dynamics and actuator command processing cost also unavoidably cause delays. In high-speed scenarios, these delays are critical to the safety of a vehicle. Recent works consider these delays individually, but none unifies them all in the context of autonomous driving. Moreover, recent works inappropriately consider computation time as a constant or a large upper bound, which makes the control either less responsive or over-conservative. To deal with all these delays, we present a unified framework by 1) modeling actuation dynamics, 2) using robust tube model predictive control, 3) using a novel adaptive Kalman filter without assuminga known process model and noise covariance, which makes the controller safe while minimizing conservativeness. On onehand, our approach can serve as a standalone controller; on theother hand, our approach provides a safety guard for a high-level controller, which assumes no delay. This can be used for compensating the sim-to-real gap when deploying a black-box learning-enabled controller trained in a simplistic environment without considering delays for practical vehicle systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google