A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential

📄 arXiv: 2312.14808v1 📥 PDF

作者: Ayoub Raji, Nicola Musiu, Alessandro Toschi, Francesco Prignoli, Eugenio Mascaro, Pietro Musso, Francesco Amerotti, Alexander Liniger, Silvio Sorrentino, Marko Bertogna

分类: eess.SY, cs.AI, cs.RO, math.OC

发布日期: 2023-12-22

备注: Presented at the 2023 IEEE 11th International Conference on Systems and Control, Sousse, Tunisia, December 18-20, 2023

期刊: 2023 IEEE 11th International Conference on Systems and Control (ICSC), Sousse, Tunisia, 2023, pp. 782-789

DOI: 10.1109/ICSC58660.2023.10449744

💡 一句话要点

提出基于三轮车模型的模型预测控制，精确控制带锁差速器的无人驾驶赛车。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 无人驾驶赛车 模型预测控制 锁止差速器 三轮车模型 横向动力学 微步离散化 实时控制

📋 核心要点

  1. 现有无人驾驶赛车模型难以准确描述锁止差速器对车辆横向动力学的影响，限制了控制精度。
  2. 提出基于三轮车模型的横向动力学建模方法，并结合微步离散化方法线性化模型，便于实时模型预测控制。
  3. 实验结果表明，该方法能有效提升横向路径跟踪精度，并在高保真模拟器中验证了其在轮胎极限工况下的有效性。

📝 摘要（中文）

本文提出了一种新的公式，用于模拟锁止差速器对无人驾驶开轮赛车横向动力学的影响。该模型应用于模型预测控制器中，我们采用了一种微步离散化方法，以精确线性化动力学并产生适合实时实现的预测。文中给出了模型的稳定性分析，以及对整体规划和控制方案的简要描述，该方案包括离线轨迹生成流程、在线局部速度剖面规划器和低级纵向控制器。初步实验结果表明，在蒙扎F1赛道上举行的首届Indy无人驾驶挑战赛期间，Dallara AV-21赛车的横向路径跟踪性能得到了改善。最终的调整和优化是在高保真模拟器中进行的，证明了该解决方案在接近轮胎极限时的有效性。

🔬 方法详解

问题定义：论文旨在解决无人驾驶赛车在配备锁止差速器时，传统车辆动力学模型难以准确描述其横向运动的问题。锁止差速器会显著改变车辆的转向特性，使得传统的两轮或四轮车辆模型不再适用，导致控制精度下降，尤其是在赛车接近性能极限时。

核心思路：论文的核心思路是将配备锁止差速器的赛车简化为三轮车模型。这种简化能够更好地捕捉锁止差速器对车辆横向运动的影响，因为它考虑了后轮作为一个整体的运动特性。通过精确建模车辆的横向动力学，可以提高模型预测控制器的预测精度，从而实现更精确的路径跟踪。

技术框架：整体控制框架包括以下几个主要模块：1) 离线轨迹生成：生成赛道的最优参考轨迹。2) 在线局部速度剖面规划：根据当前车辆状态和赛道信息，实时调整速度剖面。3) 基于三轮车模型的模型预测控制器：利用提出的三轮车模型进行横向控制，并采用微步离散化方法进行线性化。4) 低级纵向控制器：负责车辆的加速和制动控制，实现期望的速度剖面。

关键创新：最重要的技术创新点在于提出了基于三轮车模型的车辆横向动力学建模方法，该模型能够更准确地描述配备锁止差速器的赛车的运动特性。此外，采用微步离散化方法对模型进行线性化，能够在保证预测精度的前提下，满足实时控制的需求。与传统的两轮或四轮车辆模型相比，该方法能够显著提高控制精度，尤其是在车辆接近性能极限时。

关键设计：微步离散化方法是关键设计之一，它通过将控制周期划分为多个更小的步长，并在每个步长内进行线性化，从而提高了线性化精度。模型的参数需要根据具体的赛车进行标定，包括车辆的质量、惯性矩、轮胎特性等。模型预测控制器的目标函数通常包括路径跟踪误差、横向加速度、控制输入等，需要根据具体的应用场景进行调整。

📊 实验亮点

初步实验结果表明，在蒙扎F1赛道上举行的首届Indy无人驾驶挑战赛期间，使用该方法控制的Dallara AV-21赛车的横向路径跟踪性能得到了改善。在高保真模拟器中进行的最终调整和优化进一步验证了该解决方案在接近轮胎极限时的有效性。虽然论文中没有给出具体的性能数据，但实验结果表明该方法具有实际应用价值。

🎯 应用场景

该研究成果可应用于无人驾驶赛车领域，提高赛车在高速行驶和极限工况下的控制精度和稳定性。此外，该方法也可推广到其他配备锁止差速器的车辆，例如越野车和工程车辆，提高其在复杂地形下的行驶性能。该研究对于推动无人驾驶技术在高性能车辆领域的应用具有重要意义。

📄 摘要（原文）

In this paper, we present a novel formulation to model the effects of a locked differential on the lateral dynamics of an autonomous open-wheel racecar. The model is used in a Model Predictive Controller in which we included a micro-steps discretization approach to accurately linearize the dynamics and produce a prediction suitable for real-time implementation. The stability analysis of the model is presented, as well as a brief description of the overall planning and control scheme which includes an offline trajectory generation pipeline, an online local speed profile planner, and a low-level longitudinal controller. An improvement of the lateral path tracking is demonstrated in preliminary experimental results that have been produced on a Dallara AV-21 during the first Indy Autonomous Challenge event on the Monza F1 racetrack. Final adjustments and tuning have been performed in a high-fidelity simulator demonstrating the effectiveness of the solution when performing close to the tire limits.