自動運転車の入力制約付きトラジェクトリ追従のための新しいフィードバック線形化モデル予測制御戦略

Centrala begrepp

本論文は、縦方向および操舵角速度の制約を受ける自動運転車のトラジェクトリ追従制御問題に対して、新しいリアルタイム対応のデュアルモードフィードバック線形化モデル予測制御戦略を提案する。

Sammanfattning

本論文は、自動運転車のトラジェクトリ追従制御問題に対して、新しいリアルタイム対応のデュアルモードフィードバック線形化モデル予測制御戦略を提案している。

まず、車両運動学のフィードバック線形化を行い、線形化された追従誤差モデルを導出する。次に、この線形化モデルに対する時変の入力制約を解析的に特徴付け、その最悪ケースの時不変近似を定義する。

その上で、設計された安定化制御器と関連する可制御不変領域を用いて、入力制約を満たしつつ安定な全状態量追従を実現するデュアルモードMPCを提案する。

提案手法は、非線形MPCと比べて計算量が低く、線形MPCと比べて精度が高い。実験的検証により、提案手法が計算負荷が低く、他の2つの制御手法よりも優れた追従性能を示すことが確認された。

Statistik

車両の最大縦方向速度は v = 2.5 m/s、最大操舵角速度は ω = 1.5 rad/s である。
車両の車輪ベースは l = 0.31 m である。

Citat

"本論文は、縦方向および操舵角速度の制約を受ける自動運転車のトラジェクトリ追従制御問題に対して、新しいリアルタイム対応のデュアルモードフィードバック線形化モデル予測制御戦略を提案する。"
"提案手法は、非線形MPCと比べて計算量が低く、線形MPCと比べて精度が高い。"

Viktiga insikter från

A Feedback Linearized Model Predictive Control Strategy for Input-Constrained Self-Driving Cars

by Cristian Tir... på arxiv.org 05-06-2024

https://arxiv.org/pdf/2405.01753.pdf

Djupare frågor

自動運転車の安全性と信頼性をさらに高めるために、提案手法をどのように拡張できるか?

提案手法をさらに拡張するためには、以下の方法が考えられます：

複雑な環境への適用: 現在の提案手法は車両の軌道追跡問題に焦点を当てていますが、より複雑な環境や障害物が存在する場合にも適用できるよう拡張することが重要です。これにより、自動運転車の安全性と信頼性をさらに向上させることができます。

障害物回避機能の統合: 提案手法に障害物回避機能を統合することで、自動運転車が障害物を検知し、適切に回避する能力を向上させることができます。これにより、より安全な自動運転車システムが実現できます。

異なる路面条件への対応: 提案手法をさらに拡張して、異なる路面条件や気象条件にも適応できるようにすることが重要です。例えば、雨や雪などの悪天候下でも安定した制御を実現するための拡張が考えられます。

これらの拡張により、提案手法はより高度な自動運転システムに適用可能となり、安全性と信頼性をさらに向上させることができます。