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

自動運転レーシング向けの軌道追従制御器 MAP2 を提案する論文。 - 目的は車両の限界付近でも高精度な trajectory tracking を低遅延で実現すること。 - 構成は curvature-based kinematic MPC と Sparse Gaussian Process (SGP) による残差補正の組み合わせ。 - MPC で kinematic 制御入力を予測ホライズン上で最適化し、tire dynamics model を介して steering 指令へ変換する。 - 実車実験で lateral tracking error と lap time の削減を示す。

従来の geometric controller や MAP と比べて、限界領域での課題に対処する点が新しい。 - Pure Pursuit (PP) や MAP は計算効率が良いが Ackermann steering geometry に依存し、limit-handling で妥当性が崩れる。 - MAP は tire dynamics を活用するが、本質的には geometric controller のままで、tire model が実車の動的応答を十分捉えない可能性がある。 - MAP2 は MPC と SGP 残差補正を組み合わせ、これらの限界を補う。 - 実車実験で MAP 比 37.99%、PP 比 44.65% の平均 lateral tracking error 削減、平均 lap time を少なくとも 1.5% 削減。

肝は kinematic MPC と SGP 残差補正を tire dynamics model に統合する点。 - curvature-based kinematic MPC で予測ホライズン上の kinematic 制御入力を最適化。 - その入力を tire dynamics model により steering 指令へ写像。 - tire dynamics model を Sparse Gaussian Process (SGP) で残差補正し、実車の動的応答のずれを補う。 - これにより geometric controller の簡潔さを保ちつつ、限界付近の追従性能を狙う。

実車両実験で有効性を検証。 - MAP2 を MAP および Pure Pursuit (PP) と比較。 - 平均 lateral tracking error は MAP 比 37.99% 減、PP 比 44.65% 減。 - 平均 lap time は少なくとも 1.5% 削減。 - 実験条件やコース、車両などの詳細は要旨からは不明。

要旨からは不明。 - 限界挙動や SGP の汎化性、計算遅延、安全性に関する議論は要旨に記載がない。 - 実験の統計的有意性や失敗事例も要旨からは不明。

要旨で参照・比較されている研究を挙げる。 - Model- and Acceleration-based Pursuit (MAP) - Pure Pursuit (PP) - curvature-based kinematic MPC - Sparse Gaussian Process (SGP) を用いた residual learning - 関連する tire dynamics model や autonomous racing の trajectory tracking 研究