High-performance Racing on Unmapped Tracks using Local Maps

要約

自動レース用の地図ベースの手法は、車両の位置を推定し、高レベルの計画に従うために使用されます。
マップベースの最適化手法は高いパフォーマンスの結果を示しますが、環境のマップが必要であるため限界があります。
対照的に、マップレス メソッドは、生のセンサー データ (多くの場合 LiDAR) を直接処理してコマンドを計算するため、マップされていないコンテキストで動作できます。
ただし、マップレス メソッドの主な制限は、最適化の欠如によるパフォーマンスの低下です。
これに応えて、私たちは、簡単に抽出できる低レベルの特徴を使用して、最適化ベースのコントローラーへの入力を形成する可視領域のローカル マップを構築するローカル マップ フレームワークを提案します。
ローカル マップの生成では、目に見えるレーストラックの境界を抽出し、計画に使用されるセンターラインとトラック幅を計算します。
2 段階の軌道最適化および追跡戦略とモデル予測コントローラーを使用して、シミュレーションされた F1Tenth 自動レースの手法を評価します。
私たちの手法は、高速プロファイルをもたらす最適化により、Follow-The-Gap 手法より 8.8%、エンドツーエンド ニューラル ネットワークより 3.22% 速いラップタイムを達成します。
ローカル マップ プランナーは、計画に使用できるトラックのマップ全体にアクセスできるグローバルな方法よりも 3.28% 遅くなります。
重要なことに、私たちのアプローチは、マップされていないトラック上での高速自律レースを可能にし、トラックマップを必要とせずにグローバルな方法と同様のパフォーマンスを達成します。

要約(オリジナル)

Map-based methods for autonomous racing estimate the vehicle’s location, which is used to follow a high-level plan. While map-based optimisation methods demonstrate high-performance results, they are limited by requiring a map of the environment. In contrast, mapless methods can operate in unmapped contexts since they directly process raw sensor data (often LiDAR) to calculate commands. However, a major limitation in mapless methods is poor performance due to a lack of optimisation. In response, we propose the local map framework that uses easily extractable, low-level features to build local maps of the visible region that form the input to optimisation-based controllers. Our local map generation extracts the visible racetrack boundaries and calculates a centreline and track widths used for planning. We evaluate our method for simulated F1Tenth autonomous racing using a two-stage trajectory optimisation and tracking strategy and a model predictive controller. Our method achieves lap times that are 8.8% faster than the Follow-The-Gap method and 3.22% faster than end-to-end neural networks due to the optimisation resulting in a faster speed profile. The local map planner is 3.28% slower than global methods that have access to an entire map of the track that can be used for planning. Critically, our approach enables high-speed autonomous racing on unmapped tracks, achieving performance similar to global methods without requiring a track map.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google