Mismatch-Aware Adaptive Constraint Tightening for Bicycle-Model Trajectory Optimization

Technische Samenvatting: Mismatch-bewuste Adaptieve Constraint-Verstrakking voor Trajectoptimalisatie met het Fietsmodel

Probleemstelling
Trajectoptimalisatie voor autonoom rijden maakt vaak gebruik van het kinematische fietsmodel vanwege de rekenkundige efficiëntie, wat methoden zoals Sequential Convex Programming (SCP) en direct shooting mogelijk maakt. Er bestaat echter een kritieke "planner-uitvoeringskloof": het kinematische model negeert zijdelingse slip, bandenstijfheid en de koppeling tussen gier- en zijdelingse beweging die inherent zijn aan de werkelijke voertuigdynamica. Wanneer een kinematisch plan wordt uitgevoerd op een dynamisch voertuig, kunnen veiligheidsbeperkingen (bijvoorbeeld rijstrookgrenzen) worden geschonden. Huidige oplossingen pakken dit doorgaans aan door een vaste, worst-case veiligheidsmarge ($\epsilon$) toe te passen. Deze aanpak is bij lage snelheden of lage krommingen overdreven conservatief en beperkt onnodig de haalbare oplossingsruimte, maar kan toch ontoereikend zijn als de marge niet correct is afgestemd voor manoeuvres met hoge snelheid en hoge kromming.

Methodologie
Het artikel stelt Mismatch-Aware Adaptive Constraint Tightening (MACT) voor, een methode die de vaste veiligheidsmarge vervangt door een toestandsafhankelijke marge die is afgeleid uit analytische grenzen voor de kinematisch-dynamische mismatch.

1. Theoretische Afleiding van Mismatch-regimes:

   • De auteurs leiden een karakteristieke snelheid af $v_c = \sqrt{C_\alpha L / M}$, waarbij $C_\alpha$ de gemiddelde hoekstijfheid is, $L$ de wielbasis en $M$ de massa.
   • Onder $v_c$: Het dynamische voertuig onderstuurt aanvankelijk naar binnen ten opzichte van het kinematische plan, wat veilig is voor buitenwaartse rijstrookbeperkingen.
   • Boven $v_c$: Het voertuig onderstuurt naar buiten, wat een veiligheidskritieke afwijking veroorzaakt.
   • De piek-uitwaartse afwijking $\epsilon^*$ blijkt een exacte $T^2$-horizontschaling te volgen (waarbij $T$ de planningshorizont is). De coëfficiënt van deze schaling gaat over van een transiënte grens (dominant voor korte horizonten) naar een stationaire grens (dominant voor lange horizonten).

2. Analytische Berekening van Coëfficiënten:

   • Het artikel leidt een simulatievrije analytische coëfficiënt af $a_2^{anal} = \frac{1}{2}(1 - v_c^2/v_{max}^2)T^2$.
   • Deze coëfficiënt maakt de berekening van een verstrakkingsterm $\epsilon(v, \kappa) = a_2 v^2 |\kappa|$ mogelijk met uitsluitend voertuigparameters en de planningshorizont, zonder dat offline simulaties of datafitting nodig zijn.

3. Integratie in Optimalisatie:

   • De verstrakkingsterm wordt geïntegreerd in de beperkingen voor trajectoptimalisatie. Voor een rijstrookbeperking $|y_t - y_{ref}| \leq w/2$ wordt de verstrakte beperking $|y_t - y_{ref}| \leq w/2 - a_2 v_t^2 |\kappa_t|$.
   • Deze formulering is differentieerbaar en compatibel met directe-shooting niet-lineaire MPC-oplossers (bijvoorbeeld IPOPT).

Belangrijkste Bijdragen

• Theoretische Karakterisering: Identificatie van de karakteristieke snelheid $v_c$ als de drempel die binnenwaartse (veilige) en buitenwaartse (onveilige) mismatch-regimes scheidt.
• Bewijs van Schalingswet: Bewijs dat de piek-uitwaartse afwijking schaalt als $v^2 \kappa T^2$, met expliciete grenzen voor zowel transiënte als stationaire regimes.
• Simulatievrij Veiligheidscertificaat: Afleiding van $a_2^{anal}$, een coëfficiënt die uitsluitend berekenbaar is uit voertuigparameters en horizontlengte, en die veiligheid garandeert zonder offline kalibratie.
• MACT-raamwerk: Een praktisch algoritme dat de verstrakking van beperkingen aanpast op basis van de momentane snelheid en kromming, wat de conservatisme aanzienlijk vermindert in vergelijking met vaste marges.

Experimentele Resultaten
De auteurs valideren de theorie via acht numerieke experimenten:

• Verificatie van Schaling: Experimenten op een dynamisch voertuig met 2 vrijheidsgraden bevestigen dat de maximale uitwaartse afwijking strikt de voorspelde $v^2 \kappa T^2$-schaling volgt over verschillende snelheden, krommingen en horizonten.
• Veiligheid versus Conservatisme: In een raster van 20 scenario's bereikte MACT 100% veiligheid terwijl het verspilde marge met 84% werd gereduceerd in vergelijking met een baseline met een vaste worst-case marge.
• Generalisatie: De $v^2 \kappa$-schalingswet bleek ook te gelden voor een niet-lineair leunend fietsmodel (een ander fysiek mechanisme dat leundynamiek omvat), met een fit $R^2 = 0.934$, ondanks het ontbreken van een theoretische afleiding voor dit specifieke geval.
• Closed-Loop Prestaties: In een directe-shooting MPC-vergelijking met Tube MPC en online-adaptieve baselines:
  • MACT behield 100% veiligheid.
  • Het verlaagde de gemiddelde toegepaste marge met 34% in vergelijking met Tube MPC.
  • In tegenstelling tot adaptieve baselines die achterlopen tijdens transiënten, bood MACT vanaf de eerste besturingsstap de correcte scenario-specifieke marge.
  • De rekentijd bleef onder de 10 ms per stap, ruim binnen de real-time herplanningsvensters.

Betekenis en Claims
Het artikel claimt dat de mismatch tussen kinematische planning en dynamische uitvoering geen willekeurige ruis is, maar een gestructureerd fenomeen dat wordt bepaald door voertuigparameters en bedrijfsomstandigheden. Door expliciet de $v^2 \kappa T^2$-schaling te modelleren, stelt MACT planners in staat om beperkingen op zachte paden te "versoepelen" terwijl ze op agressieve paden strikte veiligheid handhaven.

De auteurs zijn bescheiden over de reikwijdte van hun claims:

• De afgeleide grenzen zijn leading-order, lineaire-bandresultaten. Ze zijn geldig binnen het lineaire bandregime, maar houden geen rekening met bandensaturatie, stuurbestelvertraging of transiënte oscillaties buiten de eerste insteltijd. Deze factoren vereisen extra marges buiten het MACT-raamwerk.
• De generalisatie naar het leunende fietsmodel wordt gepresenteerd als een empirische observatie ("wat we waarnemen") in plaats van een afgeleide universele wet, aangezien de fysieke mechanismen (leunen versus bandenslip) verschillen.
• De analytische coëfficiënt is afhankelijk van een bekende $v_{max}$; als het voertuig deze aangenomen limiet overschrijdt, is de garantie niet langer geldig.

Kortom, het artikel biedt een principiële, analytische methode om trajectbeperkingen adaptief te verstrakken, waardoor de kloof tussen efficiënte kinematische planning en veilige dynamische uitvoering wordt overbrugd zonder de noodzaak van conservatieve vaste marges of complexe online learning.