자율주행 논문 리뷰: Integrated Crash Avoidance and Mitigation Algorithm for Autonomous Vehicles

Author: Joonhee Lim
Date: 2022/12/28

출처: https://ieeexplore.ieee.org/document/9354036

Integrated Crash Avoidance and Mitigation Algorithm for Autonomous Vehicles

---

0. Abstract

Path-following, Crash avoidance, Crash mitigation을 결합시킨 알고리즘을 해당 논문에선 소개한다. tracking 정확도와 안정성을 증진시키기 위해 해당 논문에서는 slip tire forces를 고려한 시스템 모델을 사용한다. 각 타이어의 slip 컨디션들을 모니터링하는 Predictive control 프레임 워크를 개발함으로써 좋은 Dynamics 성능을 달성한다. 별도의 각각의 경로 생성에 의존하지 않는 Switching 매커니즘은 다양한 가혹한 주행 환경에서 검증되었고 설계되었다.

 

특히 CM 부분에서는 목적함수를 통해 충돌 통계 기반의 CM term을 생성함으로써 강력한 장점을 보였다.

 

해당 알고리즘은 경로 추종 뿐만 아니라 충돌 회피 및 경감에서도 좋은 안정성을 보였다.

---

1. Introduction 겸 나머지 주요 내용

CAMS의 주된 Challenge는 회피할 수 없는 충돌에 대해 피해를 경감하고 피할 수 있는 사고는 회피하는 것이다.

 

지난 10년간 충돌 회피/경감 관련 많은 연구들이 제안되었으며 이는 1) Function 기반 2) Motion Prediction 기반 3) AL 기반으로 나누어진다.

 

1) Function 기반 방식은 clothoids 또는 다항식을 통해 경로가 계획된다. 

2) Motion Prediction 기반 방식은 RRT 알고리즘을 활용하여 차량의 state와 장애물 위치를 고려하여 동시적으로 경로를 생성한다. CTRV 등 예측 시간에 따른 다양한 예측 모델과 함께 결합되어 사용된다. MPC와 같은 방식도 여기 포함된다.

3) AI 기반 방식은 APF를 활용하는 방식이나 장애물을 3가지 범주로 나누어 충돌 회피하는 방식 등이 있었다.

 

현재의 충돌 회피/경감 알고리즘에는 2가지 Challenges가 존재한다.

1) 각기 다른 경로 계획 모듈을 사용하려면 각기 다른 튜닝 프로세스가 필요하기 때문에 다양한 타입의 차량에 적용하기가 매우 힘들어진다.

2) 충돌 회피를 수행하더라도 회피불가능한 상황에서는 충돌 치명도를 낮추는 충돌 피해 경감 알고리즘으로 스위칭되어야만 한다.

 

이러한 두 측면을 고려하여 통합적 CAMS 알고리즘을 제안한다. 널리 알려진 TTC는 normal driving, CA, CM 모두를 accommodate하곤 한다.

 

해당 알고리즘에서는 충돌 피해 경감에 필수적인 타이어와 바퀴 역학이 고려된다. ICAMA는 차량 제어에서 발생할 수 있는 충돌을 MPC를 통해 해결한다.

 

기여점

1. path-follow, 충돌 회피, 충돌 경감이 결합된 형태의 스위칭 알고리즘은 실현가능한 차량의 횡방향 상태를 고려하여 MPC 프레임워크를 통해 설계되었다.

2. 실제 사고 통계를 통해 얻어진 CSI가 CM의 목적함수에 첨가되었다. 이는 충돌 경감동안 실용적인 충돌 기준을 통해 충돌 피해 경감 경로 계획을 수행하는 새로운 접근 방식이다.

3. Mode간 의사 결정이 연속성을 유지하기 위해 목적 함수에 approximation 함수가 사용되었다. (연속적인 ANFIS와 saddle monkey 함수에 의해 생성된)

 

결과: MAIS 3+ 중상 확률을 65% 감소시킬 수 있었다.

 

Control Inputs: $\delta, 타이어 토크, safe envelope 제약에 사용되는 s_1, s_2$

 

$J_1$은 yaw rate tracking error, position errors을 고려하여 구성이 되어 있다.

$J_2$는 상대거리에 대한 패널티를 주는 exp(-S)에 대한 approximate를 사용한 term을 $J_1$에 추가한다.

$J_3$는 MAIS 3+ 중상 확률을 낮추기 위한 텀인 CSI를 $J_1$에 추가한다. 이 또한 exp(-CSI)에 대한 approximate이다. - 스위칭 연속성을 위한.

 

CA는 안전거리보다 거리가 가깝고 TTC가 일정 이하 (1.2)로 내려가면 스위칭된다.

CM은 TTC가 더 낮아지면 (0.6) 스위칭된다.

 

해당 알고리즘의 핵심은 Normal Driving, CA, CM을 통합적으로 TTC를 통해 관리하지만 Mode 간 출력의 연속성을 위해 Objective Function에 Approximation 함수가 쓰였다는 것이다. - 만약 쓰이지 않았다면 비현실적인 출력이 발생할 것이다.