要約
自動運転システム (ADS) での安全な軌道の計画は、リアルタイムで解決する必要がある複雑な問題です。
この問題を解決するための主な課題は、道路の形状、セマンティクス、交通規則、および動的エージェントの存在によって課されるさまざまな条件と制約から生じます。
最近、Model Predictive Path Integral (MPPI) が、構造化されておらず不確実性の高い環境におけるロボットのナビゲーションにおける最適な動作計画と制御のための効果的なフレームワークであることが示されました。
この論文では、ADS の動作計画問題を、MPPI 戦略を使用して解決できる非線形確率的動的最適化問題として定式化します。
この研究の主な技術的貢献は、MPPI 定式化内の障害物を安全に処理する方法です。
この方法では、障害物は円で近似され、安全マージンを考慮しながら MPPI コストの定式化に簡単に組み込むことができます。
提案された MPPI フレームワークは、自動運転車に効率的に実装され、3 つの異なる基本シナリオを使用して実験的に検証されました。
実験結果は、生成された軌道が安全かつ実現可能であり、計画の目的を完全に達成していることを示しています。
ビデオ結果とオープンソース実装は、https://gitlab.uni.lu/360lab-public/mppi から入手できます。
要約(オリジナル)
Planning safe trajectories in Autonomous Driving Systems (ADS) is a complex problem to solve in real-time. The main challenge to solve this problem arises from the various conditions and constraints imposed by road geometry, semantics and traffic rules, as well as the presence of dynamic agents. Recently, Model Predictive Path Integral (MPPI) has shown to be an effective framework for optimal motion planning and control in robot navigation in unstructured and highly uncertain environments. In this paper, we formulate the motion planning problem in ADS as a nonlinear stochastic dynamic optimization problem that can be solved using an MPPI strategy. The main technical contribution of this work is a method to handle obstacles within the MPPI formulation safely. In this method, obstacles are approximated by circles that can be easily integrated into the MPPI cost formulation while considering safety margins. The proposed MPPI framework has been efficiently implemented in our autonomous vehicle and experimentally validated using three different primitive scenarios. Experimental results show that generated trajectories are safe, feasible and perfectly achieve the planning objective. The video results as well as the open-source implementation are available at: https://gitlab.uni.lu/360lab-public/mppi
arxiv情報
| 著者 | Mehdi Testouri,Gamal Elghazaly,Raphael Frank |
| 発行日 | 2024-04-10 12:15:46+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google