制御環境における自動運転レースのためのモジュール式アーキテクチャ設計

- Formula Student Driverless 競技車両向けの、閉回路環境で動作する modular autonomous driving architecture の提案 - 知覚・状態推定・経路計画・制御を独立 node として統合した ROS 2 ベースのシステム - NVIDIA Jetson Orin NX 上に実装し、dual-computer 構成で各 subsystem を分散配置 - 実センサ評価と simulation による end-to-end テストを組み合わせて検証

- 先行研究との具体的比較は要旨からは不明 - 知覚では YOLOv11 による cone detection と ZED 2i の neural stereo depth を組み合わせ、sub-0.5 m median error を達成 - 状態推定では RTK-GNSS と IMU を EKF で融合し、raw GNSS 比で 12 cm の精度改善 - これら個別性能と modular ROS 2 構成を一体で示した点が特徴

- 知覚: YOLOv11 による traffic cone detection と ZED 2i からの neural stereo depth estimation で 3D cone localization - 状態推定: kinematic bicycle model に基づく EKF で RTK-GNSS と IMU を融合 - 経路計画: ordered track boundaries 上で cubic spline interpolation により racing line を生成し、curvature と vehicle dynamics で速度 profile を制約 - 制御: speed error で parameterize した dynamic lookahead を持つ regulated pure pursuit controller - 実装: 各 subsystem を独立 node とする modular ROS 2 architecture、dual-computer 構成

- 実世界の sensor evaluation と simulation-based end-to-end testing を組み合わせて検証 - simulation では現実的な sensor error distributions を注入し、system-level performance を評価 - 知覚は FSOCO dataset 上で 0.93 mAP@0.5、7 m まで sub-0.5 m median error - 状態推定は centimeter-level localization accuracy と raw GNSS 比 12 cm 改善を報告

- 閉回路・競技環境に限定した設計であり、一般道路への一般化は要旨からは不明 - simulation の sensor error distributions の妥当性や real-world との gap に関する議論は要旨からは不明 - dual-computer 構成や modular 性の利点・overhead に関する定量的議論は要旨からは不明 - 各 module の failure mode や冗長性への言及は要旨からは不明

- YOLOv11 の原論文および FSOCO dataset の関連研究 - ZED 2i を用いた neural stereo depth estimation の関連手法 - kinematic bicycle model に基づく EKF 融合の先行研究 - pure pursuit controller および racing line 生成 (cubic spline) の関連研究 - ROS 2 を用いた modular autonomous driving architecture の先行事例