A Multi-step Dynamics Modeling Framework For Autonomous Driving In Multiple Environments

Autores: Jason Gibson, Bogdan Vlahov, David Fan, Patrick Spieler, Daniel Pastor, Ali-akbar Agha-mohammadi, Evangelos A. Theodorou · ICRA 2023

Licencias

• Acceso abierto
• Artículo: CC BY 4.0

Todo lo que sigue se basa en el artículo completo bajo su licencia CC BY 4.0; su figura se muestra con crédito a los autores.

En resumen

LSTM inicializadas dentro de un modelo híbrido basado en física, entrenadas con una pérdida de posición integrada, predicen en tiempo real trayectorias de 5 s de un vehículo todoterreno para el control MPPI en GPU.

Por qué importa

El modelo funciona dentro de MPPI con 18 432 muestras en una sola RTX 3080 y sigue siendo utilizable al doble de su horizonte de entrenamiento, que es lo que necesita un planificador para la conducción todoterreno rápida. Como las etiquetas proceden solo de la odometría, pueden usarse registros de conducción humana, más baratos, junto con datos autónomos. La comparación también muestra que mantener modelos paramétricos sencillos de los actuadores dentro del modelo aprendido evita grandes errores cuando la red recibe entradas con las que no fue entrenada.

Problema

Los controladores predictivos basados en modelo y en muestreo, como MPPI, necesitan modelos dinámicos precisos y a la vez baratos, ya que ejecutan millones de predicciones hacia delante por segundo. Los modelos entrenados con predicción de un solo paso se despliegan de forma recursiva, por lo que los pequeños errores se acumulan a lo largo del horizonte, y los efectos lentos se tratan como ruido. La conducción todoterreno añade una interacción con el terreno difícil de modelar y grandes retardos de los actuadores en la dirección y el frenado.

Solución propuesta

El modelo del vehículo se divide en modelos aprendidos de retardo de los actuadores para el freno y la dirección (un retardo de primer orden con limitación de velocidad más una pequeña red) y redes de motor y de arrastre del terreno dentro de ecuaciones cinemáticas. Cada parte aprendida es una LSTM cuyos estados oculto y de celda los fija una red inicializadora independiente que se ejecuta una vez sobre los datos pasados, de modo que todas las muestras de MPPI la reutilizan. El entrenamiento usa una pérdida integrada sobre las posiciones predichas en un horizonte fijo de 5 s, que solo necesita odometría suavizada como etiquetas y permite mezclar datos de conducción humana y autónoma.

Ideas clave

• Entrenar sobre un horizonte fijo elimina la necesidad de estabilidad a largo plazo de la LSTM y, aun así, los modelos se mantuvieron estables a 10 s, el doble del horizonte de entrenamiento de 5 s
• La red inicializadora solo ve datos pasados, por lo que se ejecuta una vez en la CPU y su estado oculto se comparte entre todas las trayectorias muestreadas en la GPU
• Una pérdida de posición integrada permite que las redes produzcan magnitudes sin etiquetas directas, como las fuerzas de arrastre en el marco de las ruedas, y evita derivar una odometría ruidosa
• Los modelos paramétricos de retardo de freno y dirección con una corrección aprendida superaron a las redes de retardo puramente de caja negra, cuyos errores llevaban a las redes dinámicas a entradas no vistas
• Un modelo compartido de motor, dirección y freno, con una red de arrastre del terreno que se cambia según el entorno, cubrió tanto los datos de desierto como los de chaparral

Resultados principales

• Conjunto de datos de unas 650 000 trayectorias de dos entornos: Helendale (≈300 000 humanas, ≈100 000 autónomas) y Paso Robles (≈100 000 humanas, ≈150 000 autónomas); conjunto de entrenamiento ≈500 000 y conjunto de prueba ≈150 000
• Con estados reales de los actuadores (datos combinados), los modelos aprendidos alcanzaron un error de distancia de unos 5 m en t = 10 s (p. ej., HI-LSTM 4,981 ± 17,143 m) frente a 11,153 ± 77,551 m de la referencia paramétrica
• Sistema completo con datos autónomos en t = 5 s: HI-LSTM 2,089 ± 3,463 m y 0,145 rad de error de guiñada, frente a 7,259 ± 28,837 m y 0,775 rad de la K-LSTM cinemática
• Sistema completo en t = 10 s: HI-LSTM 5,722 ± 22,936 m frente a 21,015 ± 155,293 m de KI-LSTM
• Una iteración de MPPI con 18 432 muestras en una RTX 3080 tardó 59,346 ms y usó 38,08 kB de memoria CUDA con los modelos híbridos, frente a 83,708 ms y 62,468 kB con las redes cinemáticas y 23,327 ms con el modelo paramétrico
• Las redes de dirección de caja negra tuvieron aproximadamente 2× el error medio de dirección de sus equivalentes paramétricos

Limitaciones

• Las predicciones pueden no ser suaves en los primeros pasos aunque den una pérdida baja; los autores lo consideran un problema abierto
• Para el modelado del motor y del terreno por separado, la arquitectura híbrida no mejoró significativamente la precisión respecto a redes puramente aprendidas, y la red inicializadora tuvo un efecto limitado
• Se supone que la clase de entorno (desierto, zona boscosa) se conoce de antemano y la red de terreno correspondiente se carga en tiempo de ejecución
• El método es sensible a la deriva y a pequeños saltos de la odometría, que produjeron trayectorias cortas dinámicamente inviables cerca de velocidad nula y salidas excesivamente suavizadas
• Validado en un solo vehículo en dos entornos; los conjuntos de validación y de prueba se tomaron del mismo día de pruebas

Impacto en el campo

Finalista del premio ICRA 2023 Outstanding Planning Paper, con 26 citas. El artículo incluye un vídeo complementario; no indica la publicación de código ni de conjuntos de datos.

Resumen

Modelar la dinámica suele ser el primer paso para hacer autónomo un vehículo. Aunque los vehículos autónomos en carretera se han estudiado ampliamente, los vehículos todoterreno plantean muchos problemas de modelado difíciles. Un vehículo todoterreno se enfrenta a interacciones terreno/vehículo muy complejas y difíciles de modelar, además de tener una dinámica propia compleja. Estas complejidades pueden dificultar un control y una planificación eficaces a alta velocidad. En este artículo presentamos un marco para la predicción dinámica de varios pasos que trata explícitamente la acumulación del error de modelado y sigue siendo escalable para controladores basados en muestreo. Nuestro método usa una Long Short-Term Memory (LSTM) inicializada de forma especial sobre un horizonte temporal limitado como componente aprendido de un modelo híbrido para predecir la dinámica de un vehículo todoterreno de 4 plazas (Polaris S4 1000 RZR) en dos entornos distintos. Al hacer que la LSTM prediga solo sobre un horizonte temporal fijo, eliminamos la necesidad de estabilidad a largo plazo, que a menudo es un reto al entrenar redes neuronales recurrentes. Nuestro marco es flexible, ya que solo requiere información de odometría como etiquetas. Mediante una amplia experimentación, mostramos que nuestro método es capaz de predecir millones de trayectorias posibles en tiempo real, con un horizonte temporal de cinco segundos, en escenarios exigentes de conducción todoterreno.

Enlaces

• arXiv 2305.02241: https://arxiv.org/abs/2305.02241
• DOI 10.1109/ICRA48891.2023.10161330: https://doi.org/10.1109/ICRA48891.2023.10161330
• PDF: https://arxiv.org/pdf/2305.02241v1