Implementación en GPU del Planificador de Trayectorias de Frenet para sistemas autónomos embebidos: un estudio de caso en el escenario F1tenth

Los vehículos autónomos se están utilizando cada vez más en entornos críticos para la seguridad y sensibles al tiempo, como en entornos urbanos y carreras competitivas. Planificar maniobras por adelantado es fundamental en estos escenarios, donde la plataforma de computación a bordo determina las futuras acciones del vehículo. Este artículo presenta una implementación optimizada del Planificador de Trayectorias de Frenet, un conocido algoritmo de planificación de trayectorias, acelerado mediante procesamiento en GPU. A diferencia de los métodos existentes, nuestro enfoque acelera todo el algoritmo, abarcando la generación de trayectorias y la evitación de colisiones. Medimos el tiempo de ejecución de nuestra implementación, mostrando mejoras significativas sobre la línea base de la CPU (hasta 22 veces más rápido). Además, evaluamos la influencia de diferentes tipos de precisión (doble, flotante, medio) en la precisión de la trayectoria, analizando el balance entre la velocidad de finalización y la precisión computacional. Asimismo, analizamos el impacto en el tiempo de ejecución causado por el uso de la Memoria Unificada de Nvidia y la interferencia causada por otros procesos que se ejecutan en el mismo sistema. También evaluamos nuestra implementación utilizando el simulador F1tenth y en un escenario de carrera real. Los resultados posicionan nuestra implementación como un fuerte candidato para la nueva implementación de vanguardia del algoritmo de Planificador de Trayectorias de Frenet.