| 研究実績の概要 |
モデル予測制御（Model predictive control, MPC）は，①自車両や他車両のダイナミクス，②車両の物理限界や安全性への要求から決まる制約条件，③達成すべき目標を記述する評価関数，をそれぞれ数学的に記述することで，多様なタスクを実現できるため，自動運転の次世代基盤技術として期待されている．特に一般道での自動運転では，自車の速度域の変化によるダイナミクスモデルの変化や，予測対象となる周辺車両の台数によって①が変化したり，徐行，追従，フリー走行，交差点通過など走行時の目的や，障害物やブラインドコーナー等のリスクの存在に応じて③が変化したりと，達成すべきタスクMPCは目まぐるしく変化するため，これらの状況や目的の組み合わせで膨大な種類のMPCが必要とされる．
本年の研究では，複合的なタスクを実行するMPCを，小さなサブタスクを定義する「MPCプリミティブ」に分解し，走行状況に合わせて組み合わせ，実行するMPCを動的に組み立てる「MPCビルダ」を考案し，実装，シミュレーションを用いて動作検証を行った．また，前年までに実装・検証を行った，二つのMPC間をスムーズにつなぐ中間MPC(Intermediate MPC)のアイデアと統合し，多様なMPCの動的構成とこれらの複合的MPC間のスムーズな切り替えを実現することで，多様なMPCの設計の手間を大幅に削減しつつ，きわめて柔軟かつ実行可能性の高い並列・直列マルチタスク実行の枠組みを完成させた．例えば，追い越し，停止，交差点通過等を含むいくつかの複合タスク環境で，5～6個のプリミティブの合成により11～30個のMPCを自動生成し，可解性を保ちながら滑らかに切り替えつつ自動走行を達成した．また，実時間最適解トラッキング型の非線形MPCの高速解法で求解することで，それらが実用的かつ実時間で解けることを確認した．
|
