Nonlinear model predictive control (NMPC) is an efficient and proven method for optimization-based autonomous vehicle motion planning. In safety-critical control systems, controllers should address inequality-constrained optimization problems. In this work, we design a single unified constraint using an grid map. A single discrete barrier state is added to the system model to transform a constrained optimization problem into an unconstrained optimization problem. This approach can simplify complex motion planning problems and reduce computational cost. In addition, we defined a new safety metric for collision avoidance with dynamic objects and measured the risk using Conditional-Value-at-Risk (CVaR) to account for uncertainty. For safe motion planning that minimizes collision risk, we design a CVaR map, and design a single constraint that allows the vehicle to drive only in cells with risk below a predefined threshold. Finally, we propose a risk-aware motion planning method by applying it to the grid map-based integrated motion planning method. We verify the performance of the proposed method and the conventional MPC based motion planning method through real-time simulations in CarMaker and ROS environments. In the pop-up obstacle avoidance scenario and overtaking scenario in a dynamic environment, the proposed risk-aware motion planning method shows advantages in computation time and driving stability. Finally, the performance of the proposed method is experimented and verified on a real autonomous vehicle.
비선형 모델 예측 제어(NMPC)는 최적화 기반 자율주행 차량의 모션플래닝을 위한 효율적이고 입증된 방법이다. 안전이 중요한 제어 시스템에서 제어기는 부등식 제약조건이 있는 최적화 문제를 해결해야한다. 본 학위논문에서는 격자 지도를 이용해 안전한 모션플래닝을 위한 안전제약 조건을 디자인하는 단일 통합 제약 조건을 디자인한다. 단일 discrete barrier state 를 시스템 모델에 추가하여 제약 조건이 있는 최적화 문제를 제약 조건이 없는 최적화 문제로 변환한다. 이러한 접근 방식은 복잡한 모션플래닝 문제를 단순화하고 계산 비용을 줄일 수 있다. 또한, 동적객체와의 충돌 방지를 위해 새로운 안전 지표를 정의하고 불확실성을 고려하기 위해 Conditional-Value-at-Risk (CVaR) 를 이용하여 risk 를 측정했다. 충돌 risk 를 최소화하는 안전한 모션플래닝을 위해 risk map 인 CVaR map 을 만들고, 사전 정의된 임계값 미만의 risk를 가진 셀만이 차량이 주행할 수 있도록 하는 단일 제약 조건을 디자인한다. 최종적으로 이를 격자지도 기반 통합 모션플래닝 기법에 적용하여 위험 인지 모션플래닝 기법을 제안하였다. 우리는 제안하는 방법의 성능과 기존의 모델예측제어 기반의 모션플래닝 기법을 CarMaker 및 ROS 환경에서 실시간 시뮬레이션을 통해 검증한다. 제안한 위험 인지 모션플래닝 기법은 팝업 장애물 회피 시나리오나 동적 환경에서의 추월 시나리오에서 제안한 방법은 계산 시간과 주행의 안정성에서 이점을 보였다. 마지막으로 제안한 방법의 성능을 실제 자율주행차에서 실험 및 검증하였다.
