視覚のみの自動運転車向けロバストオフセットフリー車線維持制御フレームワーク

- 視覚のみの自動運転車向けに、高速コーナリング・大曲率道路でのレーンキーピングを目的とした robust offset-free model predictive control (OF-MPC) フレームワークを開発した研究。 - 制御の regulation problem を複数アルゴリズムで解き、計算時間と性能を比較。 - 視覚認識モデル (multitask UNet) の知覚不確実性を定量化する手法も提案。

- 標準的な Interior Point Optimizer (IPOPT) や Operator Splitting Quadratic Program (OSQP) ベースの solver と比較し、提案の interpolation-tube-based constrained iterative linear quadratic regulator (itube-CILQR) が優位であることを示した。 - 平均計算時間 5 ms 未満を達成し、リアルタイム性の面で先行 solver より優れる。 - 学習時に未遭遇の交通シーンでの知覚不確実性定量化も扱う点が特徴。

- robust offset-free model predictive control (OF-MPC) フレームワークを vision-based lane-keeping に適用。 - regulation problem の求解に interpolation-tube-based constrained iterative linear quadratic regulator (itube-CILQR) を採用。 - 視覚認識モデル multitask UNet の知覚不確実性を、未学習の交通シーンに対して OF-MPC フレームワークを用いて定量化。

- 数値シミュレーションで itube-CILQR が IPOPT および OSQP ベースの solver より優れ、平均計算時間 5 ms 未満であることを確認。 - シミュレーション環境での vision-based lane-keeping 実験で itube-CILQR を車両制御に使用。 - モデル訓練時に遭遇しなかった交通シーンについて、multitask UNet の知覚不確実性を定量化。

- 開発した OF-MPC フレームワークと、未見環境における視覚認識システムの知覚不確実性を特徴づける手法が、将来の高度自動運転システム開発に寄与し得ると述べている。 - 具体的な限界や議論の詳細は要旨からは不明。

- 比較対象として Interior Point Optimizer (IPOPT) ベース solver と Operator Splitting Quadratic Program (OSQP) ベース solver が挙げられている。 - 知覚モデルとして multitask UNet を参照。 - 関連手法として interpolation-tube-based constrained iterative linear quadratic regulator (itube-CILQR) と offset-free model predictive control (OF-MPC) が中心。