Recently, model predictive control, a control approach that allows local path planning and control input generation simultaneously, has been actively studied in the field of autonomous vehicle control. Since autonomous vehicle models are nonlinear, gradient-based solvers are used to optimize the model predictive control problem. However, in collision avoidance situations, cost functions and constraints can be complex, and gradient-based solvers may fall into local optima problems. Therefore, in this paper, we construct a model predictive control solver using the hybrid A-Star algorithm, a global search path generation algorithm, and propose a cost function consistent with this algorithm. The proposed method is then simulated in a re-planning scenario where the existing gradient-based solver falls into a local optimum problem.
최근 자율주행 제어 분야에서는 지역 경로 계획과 제어 입력 생성이 동시에 가능한 제어 방식인 모델 예측 제어가 활발히 연구되고 있다. 자율 차량 모델은 비선형 모델이기 때문에 모델 예측 제어 문제의 최적해를 구하기 위해 기울기 기반의 솔버를 사용한다. 그러나 충돌 회피 상황에서 비용 함수나 제약 조건이 복잡하게 형성될 수 있으며, 이러한 경우 기울기 기반의 솔버는 지역 최적 문제에 빠질 수 있다. 따라서 본 논문에서는 전역 탐색 경로 생성 알고리즘인 하이브리드 A-Star 알고리즘을 사용하여 모델 예측 제어 솔버를 구성하고, 이 알고리즘에 부합하는 비용함수를 제시하였다. 그리고 제안하는 방식을 기존 기울기 기반 솔버가 지역 최적 문제에 빠지는 재계획 시나리오에서 시뮬레이션을 진행하였다.
