自動運転レースにおけるフィードフォワード操舵制御の実証的・学習ベース手法のベンチマーク
Benchmarking Empirical and Learning-Based Approaches for Feedforward Steering Control in Autonomous Racing
自動運転レースの階層制御におけるフィードフォワード操舵制御について、学習ベース2手法と解析的2手法を体系的に比較し、新しい多項式曲面フィットに基づくEHD手法を提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Georg Jank, Mattia Piccinini, Sebastian Wenk, Phillip Pitschi, Johannes Betz, Boris Lohmann
分類: cs.RO, cs.SY, eess.SY
原文アブストラクト
Feedforward steering control is a key component of hierarchical control architectures for autonomous racing. The goal is to reduce steering corrections from the feedback controllers by predicting the vehicle's inverse lateral dynamics. This paper presents a systematic benchmark of two learning-based and two empirical (analytical) feedforward steering controllers. We introduce a new \acf{ehd} formulation based on a polynomial surface fit that captures velocity-dependent nonlinear steering behavior with minimal parametrization. We test the feedforward controllers in a high-fidelity simulation framework based on the real-world Abu Dhabi Autonomous Racing League competition, using a high-fidelity double-track vehicle dynamics simulator. Open-loop evaluation shows that the learning-based controllers achieve the lowest prediction errors; however, closed-loop testing reveals that this improved accuracy does not translate into superior path tracking performance or lap times, even after iterative fine-tuning. In contrast, the proposed EHD approach achieves the best overall closed-loop robustness and lap time, highlighting the necessity of evaluating feedforward strategies within the complete trajectory planning and control software stack. Our code is available at https://github.com/TUMRT/steering_ff_control.
関連論文
- MAP2: MPCとガウス過程残差学習によるモデル・加速度ベース追従制御自動運転レース/制御
- 全規模自動運転レースにおける横方向制御のためのLPV-MPC自動運転レース/制御
- 限界走行のためのロバストモデリングと制御自動運転レース/制御
