時空間lattice latticeの都市環境対応も書いてある

1. Summary and supplement of
“Motion planning for autonomous
driving with a conformal
spatiotemporal lattice”
summarized by oei
McNaughton, Matthew Urmson, Chris
Dolan, John M. Lee, Jin Woo
url : https://www.ri.cmu.edu/pub_files/2011/5/20100914_icra2011-mcnaughton.pdf

2. どんなもの？
• 時空間 state lattice の探索空間表現の体系化、効率化
• 惑星探査用に開発された state lattice フレームワークを都市環境よ
うに拡張
• 低レベルの planner の計画領域を広げることができる

3. コンテンツ
I. INTRODUCTION
II. RELATED WORK
III. METHOD
I. Paths and Trajectories
II. Spatiotemporal Lattice
III. Why include acceleration in the state space?
IV. Cost function
V. Picking the best final state
VI. World Representation
IV. GPU ACCELERATION
V. EXPERIMENTAL RESULTS
VI. CONCLUSIONS

4. 先行研究と比べてどこがすごい？
• latticeを環境に適合させることによって、動く他の車両含む道路など
の構造化された環境で動的に実現可能な動作を計画することに
latticeを適応させる
• 状態空間の大きさの過大な増加なしに、時間および速度の多数の
変動を調べることができる
• より高位のプランナに無理なことは無理って言える

5. 技術や手法のキモはどこ？
• 状態空間の大きさの過大な増加なしに、時間および速度の多数の変動を調べ
ることができる
プルーニング : 枝刈り
選択された空間次元に沿った厳密な制約充足
• precise constraint satisfaction along selected spatial dimensions
時間次元に沿った状態の分解能等価プルーニング
• resolution equivalent pruning of states along temporal dimensions

6. 都市環境を想定したLatticeにする

7. アルゴリズム
今度追記しましゅ

8. どうやって有効だと検証した？
• GPUでの実行試験
• 自律乗用車での実証

9. 結果1
横方向加速度にペナルティ付けると
何もしなくてもきつめのカーブ勝手に
減速してくれるの図
追い越して元車線に戻るテストログ、
複雑な状況下において
車両の回避に成功してる

10. 結果2
追記しましゅ

11. 議論はある？
• Using a constant acceleration over the course of the path can lead to
execution errors, since vehicles typically cannot change acceleration
abruptly.
• 一定加速するとエラーにつながる、加速の急な変化NGだから(意味
わからん)
• At low speeds, constructing paths using a cubic polynomial spiral
while staying strictly within curvature rate overly limits the
maneuverability of the vehicle.
• 低速時の車両モデル、もっとえぐい事できる希ガス

12. 次に読むべき論文は？
• [2] M. Pivtoraiko et al. Differentially constrained mobile robot motion
planning in state lattices. Journal of Field Robotics, 26(1):308–333,
March 2009.