将高阶动力学与道路合规性集成到基于约束 ILQR 的自动驾驶车辆轨迹规划中
机器人学
2023-09-27 v1 人工智能
机器学习
摘要
本文探讨自动驾驶乘用车（APV）在道路轨迹规划方面的进展。轨迹规划旨在综合考虑车辆动力学、约束及已检测障碍物等多种因素，为 APV 生成全局最优路径。传统技术结合采样方法与优化算法，前者保证全局感知，后者精炼局部最优。值得注意的是，约束迭代线性二次调节器（CILQR）优化算法近期出现并适配于 APV 系统，强调提升安全性与舒适性。然而，现有采用车辆自行车运动学模型的实现可能无法保证可控轨迹。我们通过引入高阶项（包括曲率的一阶与二阶导数以及纵向加加速度）对该模型进行增强。这一引入使我们能在代价与约束设计中获得更丰富的表征。我们还处理道路合规性问题，强调对车道边界与行驶方向的遵守，这是以往工作常忽视的。最后，我们采用松弛对数障碍函数以解决 CILQR 对可行初始轨迹的依赖。所提方法随后通过仿真与真实世界实验驾驶场景实时验证。
引用
@article{arxiv.2309.14566,
title = {Integrating Higher-Order Dynamics and Roadway-Compliance into Constrained ILQR-based Trajectory Planning for Autonomous Vehicles},
author = {Hanxiang Li and Jiaqiao Zhang and Sheng Zhu and Dongjian Tang and Donghao Xu},
journal= {arXiv preprint arXiv:2309.14566},
year = {2023}
}
备注
6 pages, 3 figures