More Related Content
More from Adachi (OEI) (12)
論文読んだよ “State Lattice-based Motion Planning for Autonomous On-Road Driving”
- 2. コンテンツ 1,2
1. イントロ
1. 動機
1. 自律車両の社会的影響
2. オンロードモーションプランナの評価基
準
3. 自律車両開発におけるシミュレーショ
ンの応用
2. この論文の貢献
3. 論文構成
2. 関連研究
1. 用語
2. オンロード運動計画
1. DUCでのオンロード運動計画
2. DUC後のオンロードモーション計画のさ
らなる改善
3. ラティスベースモーション計画のサブ問
題へのアプローチ
1. 時空間サンプリング
2. 軌道表現
3. 軌道評価
4. グラフ探索
3. スキャンセンサシミュレーション
1. 空中スキャンセンサシミュレーション
2. ロボット分野におけるスキャンセンサシ
ミュレーション
- 3. コンテンツ 3,4
3. オンロードモーション計画アルゴリズム
1. 地平計画と計画周期の長さ
2. 空間的な地平線の指定
1. 前提
2. 定義と構築の原則
3. 空間的地平構築のためのデータ構造とアルゴリ
ズム
3. 空間サンプリング
1. 車線対応座標系
2. 空間ノード
3. 経路モデル
4. 接続パターン
4. 時間サンプリング
5. グラフ探索
6. 軌道評価
1. コストマップ
2. 障害物の拡張
7. まとめ
4. 滑らかな軌道のための加速度プロファイ
ル
1. 滑らかな軌道
2. プランナに適用される一般的な加速度プロ
ファイルのタイプ
1. 加速度遷移のプロファイル
2. 加速を一定に保つためのプロファイル
3. 目標速度を達成するためのプロファイル
3. 加速度プロファイルの適用
4. 評価
1. プランナに適用された具体的な加速プロファイ
ル
2. パフォーマンス評価
5. まとめ
- 4. コンテンツ 5,6
5. モーションプランナの実装とシステムインテグ
レーション
1. モーションプランナの実装
1. CPU上でのプランナの実装
1. プランナの初期化
2. 空間的地平線の指定とサンプリング
3. XYSLマップの構築
4. レーンセンタリングコストマップの更新
5. 障害物コストマップの作成
6. パスエッジの保存
2. GPUでのプランナの実装
1. GPUの並列計算アーキテクチャ
2. 経路サンプリング
3. State Lattice 構造
3. ベストターゲット選択と軌道再構成
4. コスト関数
2. システムインテグレーション
1. 計画立案者に基づく計画アーキテクチャ
2. レイテンシ補正
3. Spatial Latticeの整合性
3. まとめ
6. スキャンセンサシミュレーション
1. スキャンセンサモデリング
1. 実際のRadarとLiDAR Radarについて
2. Radar モデリング
3. LiDAR モデリング
2. GPU上でのスキャンセンサシミュレーションの実装
1. OpenGL と OpenSceneGraph
2. シェーダベースのスキャンセンサシミュレーション
3. レーザーと仮想光線の不一致によるエラーの軽減
3. パフォーマンス評価
4. まとめ
- 5. コンテンツ 7,8
7. モーションプランナ評価
1. 基準に基づく評価
1. 最適性
1. 地平線の最適性
2. シナリオに依存した最適性
3. 解像度の最適性
2. 完全性
3. 実現可能性
4. ランタイム
2. タイムクリティカルなシナリオでの
プランナのパフォーマンス
3. 道路網実験におけるプランナのパ
フォーマンス
4. 現状との比較
5. まとめ
8. 結論
1. 結論
2. 未来の展望
1. State Latticeの適応
2. 効率的で効果的で一貫したコスト
マップ
3. 軌道の実現可能性
4. 計算効率
5. 現実的なシミュレーション
6. 現実的で複雑な実験
- 9. オンロードモーションプランナの評価基準
• 完全性(離散化の隙間に解があるのは許せねぇ)
• より高密度なサンプリング
• より多様な軌道
• 実現可能性(車両の制約を満たさない軌道は追従できねぇ)
• より連続的な軌道
• 車両の制約を考慮した軌道
• 最適性
• ばらまくstate latticeの最適性?選択する道の最適性?
• 計算複雑性(無視すれば連続性が失われる、衝突回避も遅れる)
• 複数の車両状態を考慮し自車から各目標状態への軌道を構築するものとState latticeをグラフ探
索するものを比較
• 前者より後者が最適性は優れるも後者は計算が複雑であり連続性を欠く
• 後者は一般的にGPUで加速される
- 18. 自律車両Bossのフレームワーク
• Mission module
• グローバルルートとブロックの検出を担当
• 効率的なレーン選定
• Behaviour module
• ルールベースによる行動決定(交差点、車線変更等…)
• 必要に応じてエラーのリカバリ戦略も実行
• 先取り距離(計画地平)や最高速度の決定
• Motion planning module
• モーションコマンドの生成
• サンプル姿勢を定義後、曲率指定スプラインで軌道計画
• 車両モデルで実行可能性チェック
• いくつかの速度プロファイルを定義(一定、リニア、ランプリニア、台形)
- 19. DUC後のオンロードモーション計画の進化1
• Bossに基づき時空間 state lattice
• stateに曲率も姿勢の要素として追加
• 曲率多項式(二次→三次)で経路エッジを定式化
• →WP上での曲率連続性を保証
• 一定数の速度プロファイルが螺旋状の経路エッジに適用されて、軌
道端部をレンダリング
• PD制御でのパスフォローイング加速度プロファイルも考慮
• 同じ姿勢で終了するものをプルーニング
- 48. HT,dH,CTの設定指標
• モーションプランナの指標(6)
• 完全性(1)
• 実行可能性(1)
• 最適性(3)
• 地平最適性
• シナリオ最適性
• 解像度最適性
• 計算複雑性(1)
赤で示した部分が
HT,dH,CTの選択に直接関係
• 周辺車両の認識が十分に機能
すると仮定すれば広い範囲の
地平が確保されるため地平最
適性は確保できる
• しかし計算資源の制約によって
必然的にCTも大きくなる
• それは安全的にNG
つまり
dHはデカく・HT,CTは小さくしたい
- 49. HT,dH,CTの設定
• CT
• 地平最適性の観点からは大きくしたい
• 安全性の観点から上限が決まる
• よって安全要件によって決定される
• HT
• 最後のサイクルで計算された軌道が次のサイクルまで持続する必要がある
• 下限はCT以上である必要がある
• 上限をdHの上限から設定できる
• dH
• 計画期間内の平均速度から時間地平の制約を空間地平の制約に変換
• 下限はHTの下限に沿って決定される
• HS
• CTの制約で決まるHTに沿って設定する
- 64. 空間的Horizon構築のためのデータ構造1
• LATTICE-SEC :
• 原則3.5にしたがって構成された1つのセグメントの情報をエンコード
• 要素には、セグメントの幅、縦方向の距離、横方向の参照表現、空間ノードのレ
イアウト、およびその隣の水平線分との関係が含まれる
• LATTICE-SECがいくつかの隣接するレーンからなる場合、車両に最も近いものが
セグメント全体の横方向基準を提供するように選択される
• LATTICE-SEC-ARRAY :
• LATTICE-SECの配列であり、原則3.4を満たす
• サンプリングされた空間的地平線の完全な情報を有し、グラフ構築のために直
接適用することができる
• 空間的Horizonの開始までの縦方向の距離に基づいて、昇順に編成されている
- 65. 空間的Horizon構築のためのデータ構造2
• LATTICE-SEC-TREE :
• LATTICE-SEC-TREEとLATTICE-SEC-ARRAYは、前者が配列ではなくツリー構造の
形式である点で異なる
• LATTICE-SEC-RAW :
• LATTICE-SEC-RAWは、1つまたは複数のLATTICE-SECの前触れ
• その幅は均一ではない可能性もある
• LATTICE-SEC-RAW-TREE :
• 複数のLATTICE-SEC-RAWをノードとするツリー構造
- 66. 空間的Horizonのアルゴリズム構築1
• ROUGH-CONSTRUCTION :
• プルーニング手順なしでも原則3.4に従い、原則3.5の最初も考慮される
• 具体的には、現在の車線の隣接車線(現在の車線自体を含む)を特定する
ために、最初に幅優先探索がRNDFグラフ上で実行される
• 次に、幅優先探索で発見された各レーンを、所与の移動距離に達するまで
追跡する深さ優先探索が実行される
• 探索中、LATTICE-SEC-RAWは、同じレーンに沿ってその優先順位を表すもの
とは異なるスプラインによって表される
• さらに、既存のLATTICE-SEC-RAWは、新たに位置する近隣または後続のレー
ンセグメントの情報を組み込むように更新される
• 全体的なプロセスにより、LATTICE-SEC-RAW-TREEが最終結果として得られる
- 92. シンプソンの公式
合成して
ここで、h =(b-a)/ nで、j = 0,1、...、n-1、nに対してxj = a + jh
合成シンプソンの法則は、各サブインターバルに適用
この式は、勾配降下探索の経路のおおよその目標位置を提供するた
めに使用され、そのシンボリックな微分はヤコビ行列を計算するため
に採用される
- 94. 台形公式2
• ここで、a = x0 <x1 ... <xn-1 <xn = bである
• 連続する点については、サンプリング式を有することに留意
• これは、台形則とシンプソン則に基づくすべてに適用される
• 本研究では軌道サンプリングに以下の式を適用する