20240521 ROS Japan Planner勉強会
10K Views
May 23, 24
スライド概要
関連スライド
各ページのテキスト
TIER IV May TIER / 2024 IV ROS Japan Planner 特集！ 自動運転プラットフォーム Autoware のPlanning開発と今後 2024 / 05 / 21 Takamasa Horibe - TIER IV
Speaker Takamasa Horibe 01 / Autoware Overview TIER IV - R&D Unit Autonomous Driving Component Team Manager 02 / Planner Features 名古屋大学大学院 工学研究科で非線形最適制御理論を研究 ソニー株式会社の研究開発本部に新卒入社後、自律移動ロボティクス システムのPlanning/Control に関わるソフトウェア開発に従事 現在は株式会社ティアフォーで R&D - Autonomous Driving Component Team の Managerとして、自動運転OSS「Autoware」の開発を担当 Twitter : @taka_horibe 03 / Future Development 04 / (Control…?)
Autoware Overview Features of Autoware 1. Full-stack autonomous driving OSS based on ROS 2 2. Customizable 3. Hardware-independent Benefits 1. Reduces development costs 2. Speeds up time-to-market 3. Transparent (White-box)
Planner 特集！
Autoware Planning Architecture Mission Planning 地図上でのスタートからゴールまでのルートを計算する。 Behavior/Motion Planning 車線変更や交差点、横断歩道など、様々なユースケースに対応 する機能を含む。 前段はラフな候補軌道と制約条件の計算を行い、後段で最適化 によって最終的な目標軌道を計算する。 Validation 衝突判定など、目標軌道の検証を行う。 異常な経路が検知された場合は、システムがMRM（Minimum Risk Manuver）状態へ移行する。 Pluginとしてモジュールを追加することにより機能拡張される https://autowarefoundation.github.io/autoware-documentation/main/design/autoware -architecture/planning/
Features for the Use Cases - 車線走行 車線変更 静止障害物回避 動物体回避 路肩駐車 駐車位置探索 前方車両追従 他車カットイン予測 障害物停止 - 横断歩道 交差点進入 交差点死角確認 信号停止 飛び出し検知 一時停止 停止禁止領域 - 交差点渋滞検知 死角確認 発進確認 カーブ減速 近傍障害物減速 etc… https://autowarefoundation.github.io/autoware-documentation/main/design/autoware -architecture/planning/
Intersection 対向車とのTime To Collisionを計算し、交差点進入の可否を判断する。 渋滞車両検知、避譲車両検知、死角検知などの機能も含む。 Stuck Vehicle Detection: ・渋滞によって交差点内での停止が想定される 場合に、交差点への進入を保留する。 Yielding Vehicle Detection: Occlusion Detection: ・交差点における死角からの車両の飛び出しに対応する。 ・横断歩道などの理由で交差点外で待機している 他車両を検知する。 https://autowarefoundation.github.io/autoware.universe/main/planning/behavior_vel ocity_intersection_module/
Lane Change ルート情報から、今いるべきレーンを判断。 後続車や前方の障害物を考慮して、レーンチェンジの タイミングを計算し、経路を生成する。 Trajectory Candidate Sampling: ・ 開始位 置、加 減速度 、所要 時間に 対して 経路を サンプ リング する Path Generation with Constant-Jerk Curve: ・ 横ジャ ークを 制御し 、滑ら かな経 路を生 成 Safety Check / Trajectory Evaluation Decision to Cancel During Lane Change Execution: ・ RSS/TTC/最 接 近 距 離 な ど の 安 全 制約と コスト から最 適経路 を 選択す る ・ レーン チェン ジ中に 危険を 検知し た場合 の対応 https://autowarefoundation.github.io/autoware.universe/main/planning/behavior_path_lane_change_module/
Obstacle Avoidance 走行経路上の障害物を回避する経路を生成する 回避対象に対する経路シフト量の計算 すべての経路シフト量を統合 フィルターによって細かい変化を除去 各シフトを滑らかな経路で接続する https://autowarefoundation.github.io/autoware.universe/main/planning/behavior_path_avoidance_module/
Velocity Optimization 交差点・前方車追従・カーブなど、種々の速度制約下において、 加速度・ジャーク制約を考慮して速度計画を行う S-T空間におけ制約条件付き最適化を実行。 障害物の前後どちらを通過するかは事前にルール で判断。 経路位置における制約条件とジャーク制約を同時 に考慮すると問題は非凸となる。疑似ジャークの 導入によってこれを回避する(*)。 * https://arxiv.org/pdf/2202.10029.pdf 車 速の二 乗の最 大化 最 大速度 制約 最 大加速 度制約 疑 似最大 ジャー ク制約 S-T空 間 専 有 制 約 https://autowarefoundation.github.io/autoware.universe/main/planning/motion_velocity_smoother/
Path Optimization 走行可能領域の制約下において、車両キネマティクス・最大操舵角など を考慮して経路の平滑化を行う 参照経路 走行可能領域 参照経路近傍で線形化を行い、非線形モデルを経路点依存の 線形モデルに変換する。 操 舵の滑 らかさ と参照 経路と の 距離を トレー ドオフ 車 両キネ マティ クス制 約 最 大操舵 ・操舵 速度制 約 参照経路 走 行可能 領域制 約 https://autowarefoundation.github.io/autoware.universe/main/planning/obstacle_avoidance_planner/docs/mpt/
Avoidance + Lane Change + Crosswalk @ お台場
Collaboration with All-in-One Trajectory Optimization 縦横同時の非線形最適化。回避、車線変更、追い越しなどの機能を含み、乗り心地が良い自然な軌道生成を行う。 hierarchical All in One Lane Change Path Optimization Trajectory Optimization Velocity Optimization 機能が分割され、拡張性が高いが、局所最適な解となる。 機能が統合され、大域解の導出が可能となるが、複雑度が高い。 https://github.com/orgs/autowarefoundation/discussions/3299
Sampling Based Planner 複数の経路をサンプリングし、安全性・快適性・効率性の観点から最適解を選択する Sampling in Frenet Coordinate Werling, Moritz & Ziegler, Julius & Kammel, Sören & Thrun, Sebastian. (2010). Optimal Trajectory Generation for Dynamic Street Scenarios in a Frenet Frame. Proceedings - IEEE International Conference on Robotics and Automation. 987 993. 10.1109/ROBOT.2010.5509799. Sampling by Bézier Curve Artuñedo, Antonio & Villagra, Jorge & Godoy, Jorge. (2019). Real-Time Motion Planning Approach for Automated Driving in Urban Environments. IEEE Access. 7. 180039 - 180053. 10.1109/ACCESS.2019.2959432. Autoware Integration https://autowarefoundation.github.io/autoware.universe/main/planning/s ampling_based_planner/path_sampler/
Machine Learning Based Planner 実際の走行データを元にPlanningを学習し、高い適応力を獲得する。 Momenta in CVPR 2023 Transformer base で 軌 道 と 走 行状 態を出 力 Horizon Robotics in Nuplan Challenge 2023CNN で 軌 道 と 走 行状態 を計算 し、最 適化で 後処理 https://www.youtube.com/watch?v=hFQLJIvdQNU https://arxiv.org/abs/2306.15700 Motional in 2022 NVIDIA in 2023 逆 強化学 習によ るスコ アリン グでサ ンプリ ングさ れた 複 数の軌 道から 最終軌 道を選 択 サ ン プ リ ン グによ る自車 計画候 補とDeepに よる他 車移 動 予測の 連携 https://arxiv.org/pdf/2206.03004 https://arxiv.org/abs/2301.11902 Autoware Integration (in the future) 実 際 の ド ラ イビン グデー タと地 図のpolyline情 報 を 利 用 自 車が周 囲の状 況から 走るこ とので きる軌 跡を学 習し、 候補経 路 と してサ ンプリ ングす る
Control
Path Following Control (PurePursuit / MPC) 車両運動を考慮して目標軌道に追従走行する Model Predictive Control 目標経路近傍で線形化を行い、線形時変モデ ルとして線形MPCに取り込む。 問題は二次最適化となり、OSS二次計画ソル バーのOSQP(*)によって計算を行う。 参照経路 操 舵の滑 らかさ と追従 偏差の ト レード オフ 車 両キネ マティ クス制 約 最 大ステ ア角制 約 最 大ステ ア変化 率制約 Pure Pursuit 経 路の前 方に目 標点を 設定し 、その 点に対 して目 標操舵 角を計 算 (*) https://osqp.org/ Model Predictive Control (MPC) 車 両モデ ルを用 いて将 来の動 作を予 測し、 経路に 沿う操 舵角を 計算 https://autowarefoundation.github.io/autoware.universe/main/control/mpc_lateral_controller/model_predictive_control_algorithm /
Collaboration with Machine Learning Based Trajectory Following 学習された非線形車両モデルを用いて、非線形最適制御を実行する Velocity History 自車両の将来挙動を予測し、 制御モデルとして利用。 Acceleration History MPPI: Model Predictive Path Integral Control Steering History 車両の個体差や型の違いを吸収し、 適合性能を向上させる。 Nominal Vehicle Model to solve SHJB: 確率モデルのサンプリングから求まる期待値を用いて、非線形確率最適制御の解を 計算する iLQR: Iterative Linear Quadratic Regulator to solve HJB: 線形化とLQRの計算を繰り返し、非線形最適制御の解を計算する MPPI iLQR https://autowarefoundation.github.io/autoware.universe/main/control/smart_mpc_trajectory_follower/
Are you interested in? https://autowarefoundation.github.io/autoware-documentation/main/
TIER IV CONTACT US https://tier4.jp/ Thanks Again !