💻 computer science

RAGE-XY: RADAR-Aided Longitudinal and Lateral Forces Estimation For Autonomous Race Cars

本論文は、IMU とレーダーなどの標準搭載センサーのみを用いて車両の速度、タイヤのスリップ角、および縦横方向の力をリアルタイムで推定する「RAGE-XY」を提案し、オンラインレーダー較正モジュールと三輪モデルの導入により、センサーの誤調整に対する耐性と後輪の縦力推定能力を向上させ、シミュレーションおよび実車実験でその精度と堅牢性を実証したものである。

原著者： Davide Malvezzi, Nicola Musiu, Eugenio Mascaro, Francesco Iacovacci, Marko Bertogna

公開日 2026-04-10

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Davide Malvezzi, Nicola Musiu, Eugenio Mascaro, Francesco Iacovacci, Marko Bertogna

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

🏎️ 物語：目隠しレーサーの「第六感」

Imagine（想像してください）：
レーシングカーが、目隠し（カメラや高価なセンサーがない状態）をしたまま、最高速でサーキットを走っています。
でも、この車は「自分がどこにいるか」「タイヤが地面をどう掴んでいるか」を正確に知っています。どうやって？
答えは、**「車体の揺れ（IMU）」と「前方の風や障害物からの反射波（レーダー）」を脳（コンピューター）で瞬時に組み合わせて、「第六感」**を作っているからです。

この論文で紹介されているのは、その「第六感」をさらに鋭くする新技術**「RAGE-XY」**という名前です。

1. 従来の「RAGE」とは？（元々の能力）

以前からある「RAGE」というシステムは、レーダーと加速度センサーを使って、車の**「横滑り（スリップ）」や「横方向の力」**を推測していました。
でも、これには 2 つの弱点がありました。

レーダーの角度がズレていると、計算が狂う。（例えば、レーダーが 1 度だけ曲がって取り付けられてると、車は「横にズレている」と勘違いしてしまう）
「後ろのタイヤ」の力まで測れていなかった。（前輪の横滑りはわかるけど、加速やブレーキで後ろのタイヤがどう頑張っているかはわからなかった）

2. 「RAGE-XY」の 2 つのすごい進化

この新しい「RAGE-XY」は、その弱点を 2 つの魔法で解決しました。

🔧 魔法①：レーダーの「自己矯正」機能

比喩： レーダーは、車の鼻先に付けた「目」のようなものです。もしその目が少し斜めを向いていたら、真っ直ぐ走っているつもりでも「斜めに見える」はずです。
仕組み： このシステムは、車が**「まっすぐ走っている時」に、レーダーのデータと実際の動きを照らし合わせ、「あ、私の目が 5 度ズレてるな！」と自動で角度を修正**します。
効果： 取り付けが少しズレていても、走っているうちに「あ、直った！」となり、横方向の速度を正確に測れるようになります。

🚲 魔法②：「三輪車モデル」への進化

比喩： 以前のモデルは、車輪を「前と後ろの 2 点」で考える「単輪車（バイシクル）」のような単純なモデルでした。でも、実際のレーシングカーは、**「後ろの車輪が 2 つある三輪車」**です。
仕組み： 後ろのタイヤが 2 つあることを考慮し、**「左のタイヤと右のタイヤ、どちらがもっと力を発揮しているか」**まで計算できるようにしました。
効果： 特にコーナーで加速する時、後ろのタイヤは「リミットスリップ・デファレンシャル（LSD）」という装置のおかげで、片方のタイヤが空回りしてももう片方にパワーを伝えることができます。このシステムは、その**「後ろのタイヤがどれだけの力を地面に押し付けているか」**まで見抜けるようになりました。

3. なぜこれが重要なの？

レーシングカーが速く走るためには、**「タイヤが地面を掴んでいる（グリップしている）」**状態を常に把握する必要があります。

横方向の力： コーナーで外側に押し出されないようにする力。
縦方向の力： 加速やブレーキで前に進んだり止まったりする力。

このシステムは、「横の力」と「縦の力」を同時に、リアルタイムで計算できます。
まるで、ドライバーが「タイヤが滑りそうだな」「もっとアクセルを踏めるな」という足元の感覚を、コンピューターが数値として読み取っているようなものです。

4. 実験の結果

この技術は、**「EAV-24」**という実物の自動運転レーシングカーでテストされました。

**時速 250km（70m/s）**という猛スピード。
激しい横 G（28m/s²）。

そんな過酷な状況でも、レーダーの角度がズレていても自動で直り、後ろのタイヤの力まで正確に測り当てることができました。

🌟 まとめ：この論文の一言で言うと？

「レーダーと加速度計だけで、自動運転レーシングカーに『超能力』を持たせた。
レーダーの取り付けズレを自動で直し、後ろのタイヤが地面をどう掴んでいるかまで、リアルタイムで見抜けるようになった！」

これにより、自動運転のレーシングカーは、より安全に、より速く、より激しい走りをできるようになります。まるで、目隠しをしたままでも、風の流れや地面の感触だけで、完璧に車を操れるようになるようなものです。

RAGE-XY: 自律レーシングカー向けレーダー支援縦横力推定フレームワークの技術概要

本論文は、自律レーシングカーのリアルタイム状態推定フレームワーク「RAGE-XY」を提案するものです。これは、従来の RAGE（RADAR-Aided Grip Estimator）を拡張したものであり、IMU（慣性計測装置）と複数のレーダーといった標準的な車載センサーのみを用いて、車両速度、タイヤスリップ角、および車両に作用する縦横力を同時に推定することを目的としています。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

1. 問題定義と背景

自律走行、特に過激な走行条件におけるレーシングカーの制御には、車両の運動状態（速度、加速度、ヨーレート）とタイヤと路面の相互作用（スリップ角、縦横力）の高精度な推定が不可欠です。

既存手法の限界: 横速度やスリップ角の直接測定には高価な光学センサーや高精度慣性航法システムが必要であり、実用性が限られます。また、既存のモデルベース推定やデータ駆動型手法は、センサーの取り付け誤差（キャリブレーション誤差）や、急激な走行条件変化への適応性に課題を抱えていました。
縦横力の同時推定の難しさ: 多くの既存手法は、横方向と縦方向のダイナミクスを分離して推定するか、複雑なセンサーセットを必要とし、実車への展開が困難でした。

2. 提案手法 (RAGE-XY)

RAGE-XY は、移動ホライズン推定 (Moving Horizon Estimation: MHE) フレームワークに基づいて設計されています。この手法は、過去の履歴情報、システムダイナミクス、および利用可能な測定値に基づいたコスト関数を最小化することで、最尤事後確率推定を行います。

2.1 主要な技術的革新

論文では、以下の 2 つの主要な拡張がなされています。

オンライン・レーダーキャリブレーションモジュール:
- レーダーセンサーの取り付け誤差（特にヨー方向とピッチ方向の回転誤差）は、横速度推定に大きなバイアスを生じさせます。
- 提案手法では、直進走行中に ROLEQ 推定器を用いて、レーダーと車体フレーム間の回転誤差をオンラインで推定・補正します。これにより、センサーの取り付け精度が低くても、横速度推定の精度を大幅に向上させます。
車両モデルの拡張（シングルトラックモデルからトライサイクルモデルへ）:
- 従来の RAGE は横方向の力推定に焦点を当てたシングルトラックモデルを使用していました。
- RAGE-XY では、トライサイクルモデルを採用し、後輪の縦方向タイヤ力を推定可能にしました。
- 差動ギア (LSD) のモデル化: 競技用車両に搭載されているリミテッド・スリップ・ディファレンシャル (LSD) の影響を考慮し、左右の車輪間でのトルク配分を記述するスラック変数（ $\Delta M$ ）を導入しています。これにより、駆動・制動時の後輪縦力分布をより正確に表現できます。

2.2 推定対象とモデル構造

状態ベクトル: 縦横速度 ( $v_x, v_y$ )、縦横加速度 ( $a_x, a_y$ )、ヨーレート ( $r$ )、IMU のバイアス ( $b_x, b_y, b_r$ )。
推定パラメータ: パセジカ・マジック・フォーミュラを用いたタイヤモデルの係数（前後輪の横力特性）、後輪の総縦力 ( $F_{x,r}$ )、左右の力配分係数 ( $\gamma$ )、LSD によるトルク再配分量 ( $\Delta M$ )。
入力: IMU 測定値、ステアリング角、レーダーのドップラー速度・方位角・仰角。
MHE の特徴: 非同期または遅延のあるレーダー測定値をホライズン内で柔軟に処理でき、プロセスノイズと測定ノイズを統計的に処理することでロバスト性を確保しています。

3. 主要な貢献

統合推定フレームワーク: 車両状態と横・縦両方のタイヤ力をリアルタイムで同時に推定する統合フレームワークを提供し、逐次推定の限界を克服しました。
低コストセンサーによる高精度推定: 高価なセンサーに依存せず、IMU と複数のレーダーのみで縦横速度成分を再構築可能にしました。
オンラインキャリブレーション: センサーの取り付け誤差を直進走行中に自動補正する手法を実装し、速度推定の精度と一貫性を向上させました。
横力モデルのオンライン同定: 路面状態、タイヤ摩耗、熱影響に適応できるよう、横力モデルのパラメータをオンラインで同定可能です。
LSD モデルの軽量化実装: 限られた計算リソースで後輪の力分布をより正確に表現する LSD モデルを提案しました。

4. 検証結果

提案手法は、高忠実度シミュレーションおよび実車実験の両方で検証されました。

シミュレーション検証:
- レーダーの取り付け角度に意図的な誤差（ピッチ 15 度、ヨー 5 度）を与えたシナリオで、オンラインキャリブレーションの有効性を確認しました。
- 結果、キャリブレーション未実施の場合は横速度推定に大きなバイアスが生じましたが、直進走行開始後約 5 秒で推定値が真値に収束し、バイアスが大幅に低減されました。
実車実験 (EAV-24):
- アブダビ自律レーシングリーグ (A2RL) において、Unimore Racing チームの EAV-24 車両で検証を行いました。
- 走行条件: 最高時速 70 m/s、横加速度 28 m/s² という過激な走行条件。
- 結果: 横方向および縦方向の車両ダイナミクス推定において、精度とロバスト性の向上が確認されました。特に、センサー誤差や過激な走行条件下でも安定した推定が可能であることを示しました。

5. 意義と将来展望

RAGE-XY は、高価な専用センサーに依存せず、標準的な車載センサーのみで自律レーシングカーの高度な状態推定を実現する重要なステップです。

実用性: 実世界の不確実性（センサー誤差、路面変化、タイヤ摩耗）に対する適応能力が高く、実車への導入が容易です。
制御への寄与: 正確な縦横力推定は、トラクションコントロール、ブレーキング、および過激なコーナリング制御の最適化に不可欠であり、自律レーシングの性能向上に直接寄与します。

今後の課題:
論文では、縦方向の力推定に関するさらなる検証（高忠実度シミュレーションおよび実データでの詳細評価）が今後の課題として挙げられています。

総括:
本論文は、レーシングカーの過激な走行環境において、センサー誤差を補正しつつ、縦横両方のタイヤ力を高精度に推定する画期的なフレームワークを提案しました。これにより、自律レーシングの安全性とパフォーマンスを高めるための基盤技術が確立されたと評価できます。