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

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

ライセンス

オープンアクセス
論文: CC BY 4.0

以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。

要約

物理ベースのハイブリッドモデル内で初期化した LSTM を積分位置損失で学習し、オフロード車両の 5 s 先までの軌道を GPU による MPPI 制御のためにリアルタイムで予測する。

重要な理由

このモデルは 1 枚の RTX 3080 上で 18,432 サンプルの MPPI 内で動作し、学習ホライズンの 2 倍でも使える状態を保つ。これは高速オフロード走行のプランナーが必要とするものである。ラベルはオドメトリのみから得られるため、より安価な人による走行ログを自律走行のデータと併用できる。比較からはまた、学習モデルの中に単純なパラメトリックなアクチュエータモデルを残しておくことで、ネットワークが学習していない入力を受けたときの大きな誤差を防げることも示される。

課題

MPPI のようなサンプリングベースのモデル予測制御器は、毎秒数百万回の順方向予測を行うため、正確かつ低コストなダイナミクスモデルを必要とする。1 ステップ予測で学習したモデルは再帰的に展開されるため、小さな誤差がホライズンにわたって累積し、ゆっくりした効果はノイズとして扱われる。オフロード走行では、モデル化の難しい地形との相互作用と、操舵とブレーキにおける大きなアクチュエータ遅れが加わる。

提案手法

車両モデルは、ブレーキと操舵のための学習によるアクチュエータ遅れモデル（レート制限付き一次遅れと小さなネットワーク）と、運動学方程式の中に置いたエンジンおよび地形抗力のネットワークに分割される。学習する各部分は LSTM であり、その隠れ状態とセル状態は、過去のデータに対して 1 回だけ実行される別の初期化ネットワークによって設定されるので、すべての MPPI サンプルがそれを再利用する。学習では、固定の 5 s ホライズンにわたる予測位置に対して積分損失を用いる。これにはラベルとして滑らかなオドメトリしか必要とせず、人による走行と自律走行のデータを混ぜられる。

主な知見

固定ホライズンで学習することで LSTM の長期安定性は不要になるが、モデルは 5 s の学習ホライズンの 2 倍である 10 s でも安定していた
初期化ネットワークは過去のデータしか見ないため、CPU 上で 1 回だけ実行され、その隠れ状態は GPU 上のすべてのサンプル軌道で共有される
積分位置損失により、車輪座標系での抗力のように直接のラベルがない量をネットワークが出力でき、ノイズの多いオドメトリの微分も避けられる
学習による補正を加えたパラメトリックなブレーキ・操舵遅れモデルは、純粋なブラックボックスの遅れネットワークを上回った。後者の誤差はダイナミクスネットワークを未知の入力へ押しやった
共有のエンジン・操舵・ブレーキモデルと、環境ごとに切り替える地形抗力ネットワークで、砂漠とチャパラル（低木林）の両方のデータをカバーした

主な結果

2 つの環境からの約 65 万本の軌道からなるデータセット：Helendale（人による走行 ≈30 万本、自律走行 ≈10 万本）と Paso Robles（人による走行 ≈10 万本、自律走行 ≈15 万本）。学習セット ≈50 万本、テストセット ≈15 万本
真のアクチュエータ状態を用いた場合（データ統合）、学習モデルは t = 10 s で約 5 m の距離誤差（例：HI-LSTM で 4.981 ± 17.143 m）に達し、パラメトリックなベースラインは 11.153 ± 77.551 m
自律走行データでのシステム全体、t = 5 s：HI-LSTM は 2.089 ± 3.463 m、ヨー誤差 0.145 rad。運動学的な K-LSTM は 7.259 ± 28.837 m と 0.775 rad
システム全体、t = 10 s：HI-LSTM は 5.722 ± 22.936 m、KI-LSTM は 21.015 ± 155.293 m
RTX 3080 上で 18,432 サンプルによる MPPI の 1 反復に、ハイブリッドモデルは 59.346 ms と 38.08 kB の CUDA メモリを要した。運動学ネットワークは 83.708 ms と 62.468 kB、パラメトリックモデルは 23.327 ms
ブラックボックスの操舵ネットワークの平均操舵誤差は、対応するパラメトリックモデルの約 2× だった

制限事項

最初の数ステップでは損失が低いままでも予測が滑らかでないことがあり、著者はこれを継続中の問題としている
エンジンと地形のモデル化だけについては、ハイブリッドアーキテクチャは純粋な学習ネットワークより精度を大きく改善せず、初期化ネットワークの効果も限定的だった
環境の種類（砂漠、森林地帯）は事前に既知と仮定され、実行時に対応する地形ネットワークが読み込まれる
本手法はオドメトリのドリフトや小さな跳びに敏感で、それらが速度ゼロ付近で短い動力学的に実行不可能な軌道を生み、出力を過度に平滑化した
検証は 1 台の車両、2 つの環境で行われ、検証セットとテストセットは同じ試験日から抽出された

分野への影響

ICRA 2023 Outstanding Planning Paper 賞のファイナリストで、被引用数は 26。論文は補足動画を提供しているが、コードやデータセットの公開については記載がない。

概要

ダイナミクスのモデル化は、多くの場合、車両を自律化するための第一歩である。公道を走る自動運転車は広く研究されてきたが、オフロード車両は多くの困難なモデル化の問題を抱えている。オフロード車両は、非常に複雑でモデル化の難しい地形と車両の相互作用に直面するうえ、車両自体のダイナミクスも複雑である。こうした複雑さは、効果的な高速制御と計画にとって課題となりうる。本論文では、モデル化誤差の蓄積を明示的に扱い、サンプリングベースの制御器に対してスケーラブルなままである、多ステップのダイナミクス予測のためのフレームワークを提案する。本手法は、限られた時間ホライズンにわたって特別に初期化した Long Short-Term Memory（LSTM）をハイブリッドモデルの学習要素として用い、4 人乗りの全地形車両（Polaris S4 1000 RZR）のダイナミクスを 2 つの異なる環境で予測する。LSTM に固定の時間ホライズンでのみ予測させることで、再帰型ニューラルネットワークの学習でしばしば課題となる長期安定性を不要にする。本フレームワークは、ラベルとしてオドメトリ情報しか必要としないため柔軟である。広範な実験を通じて、本手法が困難なオフロード走行シナリオにおいて、5 秒の時間ホライズンで数百万本の可能な軌道をリアルタイムに予測できることを示す。

リンク

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