sequential convex programming

自動駕駛賽車即時最佳軌跡規劃的順序凸規劃方法

抽象的

自動駕駛賽車中軌跡規劃的最佳化問題具有非線性和非凸性的特點。通常不是解決這些最佳化問題，而是解決凸近似以獲得高更新率。我們提出了一種基於非線性單軌車輛模型和 Pacejka 的自動賽車神奇輪胎公式的即時模型預測控制 (MPC) 軌跡規劃器。在製定一般非凸軌跡最佳化問題後，我們使用順序凸規劃（SCP）形成凸近似。最先進的技術使用順序線性化（SL）凸化軌道約束，這是一種放鬆約束的方法。鬆弛最佳化問題的解不能保證在非凸最佳化問題中可行。我們提出順序凸限制（SCR）作為凸化軌道約束的方法。 SCR 保證所得解決方案在非凸優化問題中是可行的。我們展示了受限優化問題解決方案的遞歸可行性。 MPC 在霍根海姆賽道的模擬縮小版上進行評估。結果表明，使用 SCR 的 MPC 比使用 SL 的 MPC 產生更快的單圈時間，同時仍具有即時能力。

指示

0. 複製或下載此儲存庫並在此資料夾中開啟 MATLAB
1. 在 MATLAB 中透過cd code開啟資料夾“code”
2. 可選：在檔案“run.m”中選擇預先配置的場景或者，請按照下一段所述配置單獨的配置
3. 透過run()運行場景

論文結果再現

腳本code+evaluationpaper.m重現了模擬結果。然後，結果可在資料夾results中找到。

配置

在「code/+config」資料夾中，儲存了場景和車輛的所有配置。您可以根據自己的喜好組合構建塊，甚至創建全新的配置

要求

• MATLAB
  • 版本：推薦R2021a，最低R2019a
  • 符號數學工具箱
  • 統計和機器學習工具箱（僅用於評估）
• 求解器
  • 推薦IBM ILOG CPLEX Optimization Studio 12.10
  • 或者，透過「符號數學工具箱」使用 MATLAB 的quadprog

在 UNIX（Ubuntu 18.04 64 位元）和 Windows 10 64 位元、MATLAB R2021a、R2019b、R2019a 上進行了測試

致謝

這項研究得到了 Deutsche Forschungsgemeinschaft（DFG，德國研究基金會）優先計劃 SPP 1835 協作交互汽車和研究生計劃 GRK 1856 道路電動汽車集成能源供應模組的支持。

參考

[1] P. Scheffe、T. Henneken、M. Kloock、B. Alrifaee。 “自動駕駛賽車即時最優軌跡規劃的順序凸規劃方法”

 @ARTICLE{scheffe2022sequential,
  author={Scheffe, Patrick and Henneken, Theodor Mario and Kloock, Maximilian and Alrifaee, Bassam},
  journal={IEEE Transactions on Intelligent Vehicles},
  title={Sequential Convex Programming Methods for Real-time Optimal Trajectory Planning in Autonomous Vehicle Racing},
  year={2022},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TIV.2022.3168130}
}