Open Source Robotics

고품질 오픈소스 로봇 프로젝트, 도구 및 소프트웨어의 엄선된 컬렉션.

Frenet Frame Planning

  • 다른 이름: Frenet planner, Frenet optimal trajectory planning, Frenet-frame trajectory generation
  • 카테고리: Planning & manipulation › Motion planning
  • 태그: trajectory-generation, autonomous-driving, sampling-based-planning, lane-change

도로에 정렬된 좌표, 즉 기준 경로를 따른 거리와 그로부터의 횡방향 오프셋으로 하는 궤적 계획으로, 보통 매끄러운 후보 궤적을 많이 샘플링하고 그중 비용이 가장 낮은 유효한 것을 고른다.

정의

Frenet 좌표계 계획(Frenet frame planning)은 차량의 움직임을 전역 x, y 대신 기준 곡선, 보통 차선 중심선에 대한 상대값으로 기술한다. 위치는 곡선을 따라간 호 길이 s와 곡선에서 벗어난 부호 있는 횡방향 오프셋 d로 주어지며, 이는 곡선의 움직이는 접선–법선 좌표계에서 측정되고, 이 좌표계의 이름은 Frenet–Serret 공식에서 왔다. 이 좌표에서는 차선 유지가 d를 0 근처로 유지하는 것이고, 차선 변경은 d를 다음 차선의 오프셋으로 옮기는 것이며, 앞차 추종은 시간에 따라 s를 제어하는 것이므로, 비용 함수와 제약을 쓰기가 간단해진다.

널리 쓰이는 정식화는 Werling, Ziegler, Kammel, Thrun(ICRA 2010)의 것이다. 이 방법은 횡방향과 종방향 움직임을 시간에 대한 다항식으로 따로 계획한다. 횡방향 오프셋과, 추종이나 정지처럼 목표 위치가 있는 종방향 과제에는 5차 다항식을, 목표 속도를 유지하는 데에는 4차 다항식을 쓴다. 각 다항식은 현재 상태와 끝 상태 사이의 저크를 최소화한다. 플래너는 서로 다른 횡방향 오프셋, 도착 시간, 목표 속도 같은 많은 끝 상태를 샘플링하고, 횡방향과 종방향 후보를 결합하여 데카르트 좌표로 되돌린 뒤, 곡률, 가속도, 속도 한계를 넘거나 예측된 장애물과 충돌하는 후보를 버린다. 저크, 시간, 목표로부터의 편차를 가중한 비용이 가장 낮은 유효 후보를 실행하며, 연속된 궤적이 일관되도록 이전 계획에서 출발해 높은 빈도로 계획을 반복한다. 저속에서는 횡방향 오프셋을 시간보다 s의 함수로 계획하는 편이 낫다.

이 접근법은 좋은 기준선에 의존한다. 곡선은 곡률이 연속인 매끄러운 곡선이어야 하며, 횡방향 오프셋이 곡률 반경에 가까워지면 데카르트 좌표로의 변환이 무너지는데, 이는 오프셋이 큰 상태로 급커브를 돌 때 일어난다. Frenet 좌표계 계획은 정형화된 도로와 차선에 알맞으며, 주차장이나 열린 공간에서는 그 대신 Hybrid A 같은 플래너가 쓰인다.

중요한 이유

도로 주행은 자연스럽게 차선에 대한 상대값으로 기술되며, Frenet 좌표는 차선 유지, 차선 변경, 합류, 추종을 간단한 1차원 문제로 바꾼다. 샘플링 정식화는 구현하기 쉽고 매끄럽고 승차감 좋은 궤적을 주며, 자율주행차의 표준적인 교육용 및 기준 플래너가 되었다.

주요 응용

  • 고속도로에서의 차선 유지, 차선 변경, 추월
  • 도심 주행에서의 앞차 추종, 합류, 정지선 정지
  • 자율주행 연구 플랫폼과 시뮬레이터의 기준 플래너
  • 복도, 작물 줄, 트랙을 따라 움직이는 로봇의 경로 추종
  • 트랙 중심선에 대해 계획하는 레이싱 라인

실제 사례

고속도로에서 한 자율주행 시험 차량이 현재 차선의 중심을 따라 매끄러운 스플라인을 만들어 기준선으로 삼는다. 계획 주기마다 자기 차선과 이웃 차선에 대한 횡방향 끝 오프셋, 몇 가지 기동 지속 시간, 그리고 목표 속도 집합을 샘플링한다. 그에 맞는 다항식을 생성하고, 각 후보를 x, y, 방향각, 곡률로 변환한 뒤, 승차감이나 타이어 한계를 넘거나 주변 차량의 예측 경로에 너무 가까워지는 후보를 기각하고, 남은 것 중 비용이 가장 낮은 궤적을 추종 제어기에 넘긴다. 차선 변경은 다음 차선에서 끝나는 후보가 가장 저렴해질 때, 예를 들어 앞차가 속도를 줄일 때 일어난다.

흔한 오해

  • Frenet 좌표계 계획은 하나의 알고리즘이다 — 이는 좌표 선택이다. 다항식 샘플링이 흔한 접근법이지만 최적화 기반 플래너도 Frenet 좌표에서 동작한다
  • Frenet 좌표계에서 매끄러우므로 궤적은 실행 가능하다 — 곡률과 가속도 한계는 데카르트 좌표로 되돌린 뒤에 검사해야 한다
  • 어디서나 동작한다 — 매끄러운 기준 경로가 필요하며, 급커브와 차선 없는 열린 공간에서는 성능이 떨어진다
  • 횡방향과 종방향 계획은 완전히 독립적이다 — 편의상 따로 계획하지만 결합하여 함께 검사해야 한다

알아야 할 사람

  • 자율주행 계획 엔지니어
  • CARLA 같은 주행 시뮬레이터를 쓰는 연구자
  • 정해진 경로를 따라가는 이동 로봇 개발자
  • 궤적 생성을 배우는 학생

관련 기술

  • 5차 및 4차 다항식 궤적
  • Frenet–Serret 공식
  • 3차 스플라인 기준선
  • 상태 래티스 플래너(state lattice planner)
  • 모델 예측 제어
  • CARLA 시뮬레이터

관련 용어

  • Trajectory Planning
  • Bicycle model
  • Model Predictive Control
  • Obstacle Avoidance
  • Nonholonomic Constraint
  • Hybrid A*

관련 프로젝트

  • Ruckig: Real-time jerk-constrained time-optimal trajectory generation for robots and machines
  • Vision Pilot: Autoware Foundation's open-source L2 ADAS stack from a single camera
  • python_simple_mppi: MPPI control derived and implemented in numpy, with four worked examples
  • NVIDIA Alpamayo: NVIDIA's open driving VLA models that plan a path and explain it, with sim, RL and data

이 웹사이트는 JavaScript가 필요합니다. 오픈소스 로봇 프로젝트를 탐색하려면 JavaScript를 활성화하세요.