基于对偶一致性 ADMM 的联网自动驾驶车辆协同轨迹规划分散式 iLQR 方法
机器人学
2023-01-12 v1 多智能体系统
摘要
联网自动驾驶车辆（CAVs）的协同轨迹规划研究已取得显著进展并受到广泛关注。通常此类问题呈现强非线性和非凸性，给最优解的求解带来极大困难。现有方法通常计算效率低下，阻碍了在车辆数量不断增加的大规模场景中的恰当应用。为应对该问题，我们提出一种新颖的分散式迭代线性二次调节器（iLQR）算法，利用对偶一致性交替方向乘子法（ADMM）。首先，通过迭代邻域近似将原始非凸优化问题重构为一系列凸优化问题。然后，每个凸优化问题的对偶被证明具有一致性结构，这有助于使用一致性 ADMM 在完全分散式和并行架构中求解对偶解。最后，通过迭代求解线性二次调节器（LQR）问题恢复与每辆车轨迹对应的原始解，并提出一种新颖的轨迹更新策略以确保车辆的动态可行性。借助所提出的方法，计算负担显著减轻，从而可实现实时性能。给出了两个交通场景来验证所提算法，并将我们的方法与基线方法（包括集中式 iLQR、IPOPT 和 SQP）进行详尽比较，以证明所提方法的可扩展性。
引用
@article{arxiv.2301.04386,
title = {Decentralized iLQR for Cooperative Trajectory Planning of Connected Autonomous Vehicles via Dual Consensus ADMM},
author = {Zhenmin Huang and Shaojie Shen and Jun Ma},
journal= {arXiv preprint arXiv:2301.04386},
year = {2023}
}