論文の概要: Evaluation of Local Planner-Based Stanley Control in Autonomous RC Car Racing Series
- arxiv url: http://arxiv.org/abs/2408.15152v1
- Date: Tue, 27 Aug 2024 15:50:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 13:13:36.200881
- Title: Evaluation of Local Planner-Based Stanley Control in Autonomous RC Car Racing Series
- Title(参考訳): 自動RCカーシリーズにおけるローカルプランナー型スタンレー制御の評価
- Authors: Máté Fazekas, Zalán Demeter, János Tóth, Ármin Bogár-Németh, Gergely Bári,
- Abstract要約: 本稿では,自動RCカーレースの制御手法を提案する。
実際のLiDARポイントクラウド上では、ローカルパスのみを計画している。
1/10サイズのRCカーでテストし、ベースソリューションから実際のF110thレースにおける最適設定までのチューニング手順を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a control technique for autonomous RC car racing. The presented method does not require any map-building phase beforehand since it operates only local path planning on the actual LiDAR point cloud. Racing control algorithms must have the capability to be optimized to the actual track layout for minimization of lap time. In the examined one, it is guaranteed with the improvement of the Stanley controller with additive control components to stabilize the movement in both low and high-speed ranges, and with the integration of an adaptive lookahead point to induce sharp and dynamic cornering for traveled distance reduction. The developed method is tested on a 1/10-sized RC car, and the tuning procedure from a base solution to the optimal setting in a real F1Tenth race is presented. Furthermore, the proposed method is evaluated with a comparison to a more simple reactive method, and in parallel to a more complex optimization-based technique that involves offline map building the global optimal trajectory calculation. The performance of the proposed method compared to the latter, referring to the lap time, is that the proposed one has only 8% lower average speed. This demonstrates that with appropriate tuning, a local planning-based method can be comparable with a more complex optimization-based one. Thus, the performance gap is lower than 10% from the state-of-the-art method. Moreover, the proposed technique has significantly higher similarity to real scenarios, therefore the results can be interesting in the context of automotive industry.
- Abstract(参考訳): 本稿では,自動RCカーレースの制御手法を提案する。
提案手法は,実際のLiDARポイントクラウド上でのみローカルパス計画を実行するため,事前にマップ構築フェーズを必要としない。
レース制御アルゴリズムは、ラップタイムを最小化するために、実際のトラックレイアウトに最適化する能力を持つ必要がある。
本研究では,低域と高速域の両方で移動を安定させるために,Stanleyコントローラを付加制御部品で改良し,適応的なルックアヘッド点を統合することにより,移動距離低減のためのシャープ・ダイナミック・コーナーリングを誘導する。
開発した手法を1/10サイズのRCカーでテストし,F110thレースにおけるベースソリューションから最適設定までのチューニング手順を示す。
さらに,提案手法は,より単純なリアクティブ手法との比較と,大域的最適軌道計算のオフラインマップ構築を含む,より複雑な最適化手法とを併用して評価する。
提案手法の性能は, ラップタイムを参照して, 提案手法が平均速度を8%以下に抑えるのが特徴である。
これは、適切なチューニングを行うことで、局所的な計画ベースの手法がより複雑な最適化ベースの手法に匹敵することを示す。
これにより、最先端手法に比べて性能ギャップは10%以下となる。
さらに,提案手法は実シナリオと極めて類似性が高いため,自動車産業の文脈で興味深い結果が得られる。
関連論文リスト
- Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。
本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。
本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-10-17T11:47:56Z) - A Tricycle Model to Accurately Control an Autonomous Racecar with Locked
Differential [71.53284767149685]
自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。
本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
論文 参考訳(メタデータ) (2023-12-22T16:29:55Z) - Integrating Higher-Order Dynamics and Roadway-Compliance into
Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。
既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。
このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
論文 参考訳(メタデータ) (2023-09-25T22:30:18Z) - Bi-Level Optimization Augmented with Conditional Variational Autoencoder
for Autonomous Driving in Dense Traffic [0.9281671380673306]
本稿では、最適行動決定と結果の軌跡を共同で計算するパラメータ化バイレベル最適化を提案する。
当社のアプローチは,GPUアクセラレーションバッチを使用してリアルタイムに動作し,変分オートエンコーダがウォームスタート戦略を学習する。
本手法は, 運転効率の競争力に優れながら, 衝突速度の観点から, 最先端モデル予測制御とRLアプローチより優れる。
論文 参考訳(メタデータ) (2022-12-05T12:56:42Z) - A Data-Driven Slip Estimation Approach for Effective Braking Control
under Varying Road Conditions [0.0]
多層ニューラルネットワークに基づく新しい推定アルゴリズムを提案する。
トレーニングは、広く使われている摩擦モデルから派生した合成データセットに基づいている。
実験結果とモデルベースラインとの比較により,提案手法が最適すべり推定に有効であることを示す。
論文 参考訳(メタデータ) (2022-11-04T16:24:05Z) - Connection-Based Scheduling for Real-Time Intersection Control [6.796017024594715]
本稿では,交通渋滞を軽減するために,リアルタイム適応型信号制御のためのスケジューリングアルゴリズムを提案する。
このアルゴリズムは、異なる車線を通る交差点に近づく全車両の到着時刻を推定する車線モデルを採用し、次に、全車両が接近する際の累積遅延を最小化するスケジュールを計算する。
論文 参考訳(メタデータ) (2022-10-16T04:37:03Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳(メタデータ) (2022-07-22T15:16:54Z) - Stress-Testing LiDAR Registration [52.24383388306149]
本稿では,LiDARデータセットからフレームペアの挑戦的集合である平衡登録集合を選択する手法を提案する。
おそらく予想外のことに、最も高速かつ同時に正確なアプローチは、先進RANSACのバージョンであることがわかった。
論文 参考訳(メタデータ) (2022-04-16T05:10:55Z) - Autonomous Drone Racing with Deep Reinforcement Learning [39.757652701917166]
ドローンレースのような多くのロボットタスクにおいて、ゴールはできるだけ速くコースポイントを移動することである。
重要な課題は、事前に通過するウェイポイントの完全な知識を想定して解決される最小時間軌道を計画することです。
本研究では,クワッドロータの最小時間軌道生成法を提案する。
論文 参考訳(メタデータ) (2021-03-15T18:05:49Z) - Federated Learning on the Road: Autonomous Controller Design for
Connected and Autonomous Vehicles [109.71532364079711]
CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案
CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。
最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
論文 参考訳(メタデータ) (2021-02-05T19:57:47Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳(メタデータ) (2020-08-19T15:22:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。