自律車両の縦方向動的システムの効率的なオンラインキャリブレーション：ガウスモデルアプローチ

本稿では、無人運転車の縦方向車両ダイナミクスに対する効率的なオンラインキャリブレーションシステムを提案します。車両の縦方向動的システムを解析的にモデリングする代わりに、データ駆動型の方法を用いて、「エンド・ツー・エンド」の数値モデルを生成し、車両の速度、制御コマンド、および加速度を保存するルックアップテーブルを使用します。この参照テーブルは、時間経過に伴う車両のハードウェア状態の変動を考慮してキャリブレーションされる必要があります。キャリブレーションプロセスでの高コストな労力を削減するために、ガウスモデルアプローチでこの参照ルックアップテーブルを更新する効果的なアルゴリズムを提案します。補間されたルックアップテーブルからの加速度誤差と実際の車両センサーからの加速度誤差をモデル化するために、2次元ガウス分布を導入します。モデルの標準偏差を「三シグマルール」ヒューリスティックで推定し、加速度と制御コマンドの間の単調性制約が更新されたテーブルで厳密に満たされるように、バックトラッキング法でその高さを計算します。我々が提案するシステムの有効性は、リンカーンMKZを使用した実世界の路上テストで検証されました。