Une méthode basée sur l'optimisation pour améliorer le stationnement autonome
Les véhicules capables de se conduire seuls sont un objectif recherché depuis longtemps par la recherche en robotique et par l'industrie automobile. Même si diverses entreprises ont investi dans ces véhicules et les ont testés, elles ne les ont jusqu’à présent déployés que dans un nombre limité de contextes.
Ces dernières années, certains chercheurs ont exploré la possibilité d'un « service de voiturier automatisé » (AVP), une fonction qui permettrait à une voiture de se déplacer seule depuis l'entrée d'un parking jusqu'à une place de stationnement gratuite. Bien que cette application de conduite autonome ait suscité un intérêt considérable dans la recherche, sa réalisation fiable s’est jusqu’à présent révélée difficile.
Des chercheurs de Mach Drive à Shanghai ont récemment développé OCEAN, un planificateur de trajectoire Openspace sans collision pour le stationnement autonome des véhicules. Ce planificateur, présenté dans un article pré-publié sur arXivs'est avéré améliorer considérablement la capacité des voitures à atteindre une place de stationnement en toute sécurité, sans entrer en collision avec des objets sur le chemin.
« Nous proposons un planificateur de trajectoire Openspace Collision-free (OCEAN) pour le stationnement autonome », ont écrit Dongxu Wang, Yanbin Lu et leurs collaborateurs dans leur article. « OCEAN est un planificateur de trajectoire basé sur l'optimisation, accéléré par la méthode de multiplicateur de direction alternée (ADMM) avec une efficacité et une robustesse de calcul améliorées, et convient à toutes les scènes comportant peu d'obstacles dynamiques. »
Le nouveau planificateur développé par les chercheurs a été conçu pour surmonter les deux principales lacunes des approches présentées dans des études précédentes sur le stationnement autonome. Le premier d’entre eux est l’incapacité de prédire avec précision les collisions, tandis que le second entraîne de mauvaises performances lors des tests en temps réel.
Le planificateur OCEAN s'appuie sur une approche introduite précédemment appelée évitement de collision basée sur l'optimisation hybride (H-OBCA), répondant à ses principales limites. Sa conception améliorée améliore à terme sa capacité à éviter les collisions, ainsi que sa robustesse et sa vitesse en temps réel.
« En partant d'un cadre d'évitement des collisions basé sur une optimisation hiérarchique, le problème de planification de trajectoire est d'abord démarré à chaud par une trajectoire hybride A* sans collision », ont écrit Wang, Lu et leurs collègues dans leur article.
« Ensuite, le problème de planification de trajectoire d'évitement de collision est reformulé sous une forme double lisse et convexe et résolu par ADMM en parallèle. Les variables d'optimisation sont soigneusement divisées en plusieurs groupes afin que les sous-problèmes ADMM soient formulés comme programmation quadratique (QP), quadratique séquentielle. Problèmes de programmation (SQP) et de programmation par cône de second ordre (SOCP) qui peuvent être résolus de manière efficace et robuste. »
Wang, Lu et leurs collaborateurs ont testé leur planificateur sur des centaines de scénarios simulés et mené des expériences réelles dans des parkings publics. Leurs résultats étaient très prometteurs, car OCEAN s'est avéré plus performant qu'une variété de méthodes pour les applications de stationnement autonome.
« Les résultats montrent que la méthode proposée offre de meilleures performances système par rapport à d'autres références », ont expliqué Wang, Lu et ses collègues dans leur article. « Notre méthode permet de déployer un planificateur de stationnement à grande échelle sur des plates-formes à faible puissance de calcul nécessitant des performances en temps réel. »
Le planificateur développé par cette équipe de chercheurs pourrait être amélioré et testé dans le cadre d’autres essais réels. À l’avenir, il pourrait être déployé par les constructeurs automobiles, contribuant ainsi à l’introduction de technologies de stationnement automatisé des véhicules.
