【論文要約:自動運転関連】Application of Data-driven Model Predictive Control for Autonomous Vehicle Steering

自動運転に関連する論文の要約をしています。
論文へのリンク：https://arxiv.org/abs/2407.08401

1. タイトル

原題: Application of Data-driven Model Predictive Control for Autonomous Vehicle Steering
和訳: 自動運転車のステアリングに対するデータ駆動型モデル予測制御の応用

2. 著者名

• Jiarui Zhang

• Aijing Kong

• Yu Tang

• Zhichao Lv

• Lulu Guo

• Peng Hang

3. 公開年月日

2024年7月18日

4. キーワード

• data-driven control (データ駆動制御)

• autonomous vehicle steering (自動運転車のステアリング)

• model predictive control (モデル予測制御)

• path tracking (経路追従)

5. 要旨

自動運転技術の進展に伴い、車両制御に対する要求が高まっている。既存のモデル予測制御（MPC）は、車両の運動モデルや動力学モデルに基づいているが、複雑なモデリング、多数のパラメータ、非線形性、計算コストの高さなどの課題がある。本研究では、既存のデータ駆動型MPC手法を適用し、自動運転車のステアリング制御に応用する。CarSim-Simulinkシミュレーションにより、PIDおよび車両運動学MPCとの比較分析を行い、本手法の有効性と優位性を確認した。

6. 研究の目的

データ駆動型モデル予測制御（DDMPC）を自動運転車のステアリング制御に適用し、従来のMPC手法に伴うモデリングの複雑さや計算コストの問題を解決すること。

7. 論文の結論

本研究は、データ駆動型MPCが従来のPIDおよび車両運動学MPCと比較して、ステアリング制御において優れた性能を示すことを確認した。特に、制御精度の向上と計算時間の短縮が達成された。

8. 論文の主要なポイント

• 既存のデータ駆動型MPCを自動運転車のステアリング制御に適用。

• CarSim-Simulinkシミュレーションで有効性を検証。

• PIDおよび車両運動学MPCとの比較分析。

• 制御精度の向上と計算時間の短縮を確認。

9. 実験データ

• 車両の水平座標Xおよび垂直座標Y、車両のヘディング角φを出力変数として選定。

• 左前輪ステアリング角δLおよび右前輪ステアリング角δRを制御変数として選定。

• 車両のオープンループ入力出力シーケンスをN=646のデータセットで収集。

10. 実験方法

• CarSimおよびSimulinkを使用したシミュレーション実験。

• Dクラスセダン車両モデルを使用してデータ収集およびアルゴリズムシミュレーションを実施。

• 基本予測ホライズンL=24、システム順序v=6、重み行列Q=I、R=10^-2 I、λ=1·10^-3。

11. 実験結果

• DDMPCによる左前輪および右前輪のステアリング角度は-5°から+5°の範囲で安定して変動。

• DDMPCはPIDおよび車両運動学MPCと比較して、経路追従精度が高く、誤差範囲が小さい。

• DDMPCの計算時間は車両運動学MPCの半分であり、制御精度を維持しつつ計算時間を短縮。

12. 研究の新規性

データ駆動型MPCを自動運転車のステアリング制御に適用し、従来のMPC手法に比べて制御精度を向上させ、計算時間を短縮する点で新規性がある。

13. 結論から活かせる内容

データ駆動型MPCを使用することで、自動運転車のステアリング制御において、モデリングの複雑さや計算コストを削減しつつ、高精度な制御が可能となる。

14. 今後期待できる展開

アルゴリズムのロバスト性とリアルタイム適応性を向上させ、様々な走行条件下での有効性をさらに高めることが期待される。