Performing real-time receding horizon motion planning for autonomous vehicles while providing safety guarantees remains difficult. This is because existing methods to accurately predict ego vehicle behavior under a chosen controller use online numerical integration that requires a fine time discretization and thereby adversely affects real-time performance. To address this limitation, several recent papers have proposed to apply offline reachability analysis to conservatively predict the behavior of the ego vehicle. This reachable set can be constructed by utilizing a simplified model whose behavior is assumed a priori to conservatively bound the dynamics of a full-order model. However, guaranteeing that one satisfies this assumption is challenging. This paper proposes a framework named REFINE to overcome the limitations of these existing approaches. REFINE utilizes a parameterized robust controller that partially linearizes the vehicle dynamics even in the presence of modeling error. Zonotope-based reachability analysis is then performed on the closed-loop, full-order vehicle dynamics to compute the corresponding control-parameterized, over-approximate Forward Reachable Sets (FRS). Because reachability analysis is applied to the full-order model, the potential conservativeness introduced by using a simplified model is avoided. The pre-computed, control-parameterized FRS is then used online in an optimization framework to ensure safety. The proposed method is compared to several state of the art methods during a simulation-based evaluation on a full-size vehicle model and is evaluated on a 1/10th race car robot in real hardware testing. In contrast to existing methods, REFINE is shown to enable the vehicle to safely navigate itself through complex environments.
翻译:在提供安全保障的同时,对自主车辆进行实时后退地平线运动规划仍很困难。 这是因为在选定的控制器下,现有精确预测自我驾驶车辆行为的方法仍然难以做到。 本文提议了一个名为REFINE的框架, 以克服这些现有方法的局限性。 REFINE使用一个参数化的稳健控制器, 将车辆动态部分线性化, 即使存在建模错误, 为解决这一限制, 最近一些论文提议采用离线可达性分析法, 以保守地预测自我驾驶车辆的行为。 这个可达性集可以使用一个简化模式构建, 其行为假定是保守地约束一个全顺序模型的。 然而, 保证一个符合这一假设是具有挑战性的。 本文提出了一个名为REFINE的框架, 以克服这些现有方法的局限性。 REFINE 使用一个参数化强势化的稳健控制器, 即使在存在建模错误的情况下, 也使用一个基于Zonoteloote的可达地分析器分析。 然后, 将使用一个简化的硬度测试模型, 之前, 将使用一个比较式的车辆安全度评估方法 。 。 将使用一个简化地平流分析法 。 。 的硬度, 使用一个现有的系统测试方法, 使用一个目前采用的系统测试法 使用一个模拟式的系统, 使用一个简化式的系统模拟式, 使用一个系统,,, 以 进行 以 的 的 的 以 以 以 以 以 以 格式 格式 格式 进行 进行 的 的 的 的 的 的 的 的 的 的 的 的 的 的 以 以 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 选择的 的