baidu Apollo 北大公开课3.3--规划技术介绍

Class 1
什么是motion planning
A* 算法
部分可观察
自动驾驶规划
motion planning for autonomous driving
autonomous driving 系统软件
class2
基本模型：质点
types of path constraint
motion planning framework
主要方法
PRM
RRT
lattic 网格方法
quadratic 编程方法
先优化再平滑 spline
class 3
motion planning with environment
vehicle state和model
如何生成平滑曲线
class4

TOC
主要是motion planning

Class 1

规划的本质是最优解
规划也可以看做是一个mapping：从状态到action的mapping

什么是motion planning

• robotic fields：如何生成轨迹来达到goal
• 控制理论：动态系统来达到一个target状态
• AI：生成state-action mapping

A* 算法

启发函数：$F(n)=G(n)+H(n)$
目前的cost+启发式值（可以用增强学习来算）

部分可观察

无人车只能部分观察（只能看到周围的东西）
A* 是个globe observation——需要全知

部分可观察——贪心算法——表现为incremental search（增量搜索，渐进式搜索）
incremental search——难以实现全局最优解——但是对于规划来说，只是部分关心最优解

自动驾驶规划

• 已知：
  目标函数
  通用的搜索方法：最小化cost
  部分观察信息——需要局部规划和修正——比如incremental search
• 缺少：
  部分观察空间中的动态障碍
  需要动态模型
  如何构建规则，创建一个computer可以理解的世界
  实时计算

motion planning for autonomous driving

safely，smoothly

autonomous driving 系统软件

信息：动态信息（sensor）和静态信息（HD地图）

localization：位置
perception：看到了什么
prediction：预测环境如何变化
motion planning：如何进行移动
control：如何控制汽车

class2

课程内容：

• 从机器人学到自动驾驶
• 环境建模和技巧
  • RRT
  • Lattice
• 自动驾驶中的现代方法
  

基本模型：质点

但是质点不能完全描述这些信息
刚体、有形状、两个物体规划的交点

types of path constraint

• local constraint
  比如避免碰撞
• differential constraint
  曲率连续
• global constant
  最小路径

motion planning framework

• 连续性表达
• 离散化：roadmap——将连续的运动轨迹用点和边连接表示
  • roadmap方法
    • 可视图——可以证明路径往往有可能是贴着边界走的
      
  • cell decomposition：空间分为小网格
  • potential fields：

主要方法

PRM

本质就是在空间中撒点，以这些点为基础进行最短路径规划（如果撒到了obstacle上就抹去）

RRT

一种渐进的搜索方法

在当前点的附近进行撒点，如果新的点是可走的，那么就衔接起来

但是RRT不是
改进：
incremental sample 是有方向的，可以用平滑曲线去sample

lattic 网格方法

分为网格，走的路径是平滑曲线
一开始是在configuration space里面进行sample的

问题是：搜索空间太大

改进方法：

• 在sl坐标系中进行
• 除了位置要离散化之外，还需要对时间进行sample
• lattic with longitudinal and lateral decomposition
• 基于lattic的优化：path speed iterative method
  三维优化比较困难，这个迭代方法就是先从path维度上优化，然后再在speed维度上优化，不断迭代——时间复杂度减少，但是这个方法不一定有最优解

quadratic 编程方法

要求目标函数和search 空间也是凸的
速度特别快
凸优化问题——唯一的最优解

先优化再平滑 spline

虽然曲线平滑，但是曲率变化也比较大
增加阶数？阶数越高，误差越大，可能会撞上障碍

class 3

motion planning with environment

configuration space：geometric complexity和space dimensionality

vehicle state和model

刚体，前轮驱动，坐标转换（SL和XY）
SL坐标不是唯一的，但是在一定情况下是唯一的

如何生成平滑曲线

class4

优化的关键

• objective function
• constraint：平滑之类的