JP7115816B2

JP7115816B2 - 自律走行車および自律走行システム

Info

Publication number: JP7115816B2
Application number: JP2020205765A
Authority: JP
Inventors: 龍辻阪
Original assignee: Mitsubishi Logisnext Co Ltd
Current assignee: Mitsubishi Logisnext Co Ltd
Priority date: 2020-12-11
Filing date: 2020-12-11
Publication date: 2022-08-09
Anticipated expiration: 2040-12-11
Also published as: JP2022092830A

Description

本発明は、自律走行車および自律走行システムに関する。

自律走行システムは、例えば、無人フォークリフトや無人搬送車などの自律走行車と、自律走行車の走行および荷役作業を管理する管理装置とで構成される。このような自律走行システムにおいて、管理装置は、自律走行車の走行経路を決定し、決定した走行経路を自律走行車に通知する一方、通知を受けた自律走行車は、自己位置を認識しながら、通知された走行経路に従って走行する（例えば、特許文献１参照）。

また、自律走行車の走行経路を決定するための方法として、非線形モデル予測制御が知られている。非線形モデル予測制御は、自律走行車のダイナミクスを表したモデル（例えば、キネマティックシングルトラックモデル）を用いて、入力（例えば、速度および操舵角）から走行経路を予測し、予測した走行経路を評価関数によって評価し、評価関数を最大化（または最小化）する入力を非線形最適化問題によって見つける制御である。

非線形モデル予測制御では、予測を打ち切る時間である予測ホライズンＴにおいて離散化された点数をＮ、入力の次元をＭとすると、非線形最適化問題の変数の次元はＮ×Ｍとなる。例えば、Ｎ＝１０とすると、Ｍ＝２（例えば、速度および操舵角）である場合、非線形最適化問題の変数の次元は２０となる。

非線形最適化問題の変数の次元が高くなると、計算速度が悪化して計算時間が長くなったり、安定性が悪化して計算できなかったりするおそれがある。このため従来は、予測ホライズンＴを短くしたり、予測ホライズンＴにおけるサンプリング周期△Ｔを長くしたりして、非線形最適化問題の変数の次元を削減し、非線形モデル予測制御における計算速度の向上や安定性の向上を図っていた。

しかしながら、予測ホライズンＴを短くすると、その短い時間で実行できる解に基づく走行経路しか予測できず、予測の性能が低下してしまうという問題が生じる。一方で、サンプリング周期△Ｔを長くすると、離散化誤差が大きくなるという問題が生じる。この場合も、予測の性能が低下してしまう。

特開平８－１６１０３９号公報

本発明は上記事情に鑑みてなされたものであって、その課題とするところは、予測の性能を低下させることなく、計算速度の向上や安定性の向上を図ることが可能な自律走行車および自律走行システムを提供することにある。

上記課題を解決するために、本発明に係る自律走行車は、
車両本体と、
前記車両本体の前後方向の一方側に設けられた少なくとも１つの固定輪と、
前記車両本体の前後方向の他方側に設けられた単一の操舵輪と、
非線形モデル予測制御を行い、前記操舵輪の操舵角を制御する制御装置と、
を備える自律走行車であって、
前記制御装置は、
入力が前記操舵角のみの１次元となる無次元化運動モデルを用いて、前記非線形モデル予測制御を行い最適な入力を決定し、前記最適な入力に応じて前記操舵角を制御する、
ことを特徴とする。

この構成によれば、入力が操舵角のみの１次元となる無次元化運動モデルを用いるので、入力が速度および操舵角の２次元となるキネマティックシングルトラックモデルと比較して、入力の次元を半減させることができ、非線形最適化問題の変数の次元を半減させることができる。したがって、この構成によれば、予測の性能を低下させることなく、計算速度の向上や安定性の向上を図ることができる。

前記無次元化運動モデルは、
入力が前記操舵輪の速度および前記操舵角の２次元となるキネマティックシングルトラックモデルに対して、独立変数を時刻から前記操舵輪の積算走行距離に変更する変数変換を行い、かつ前記固定輪から前記操舵輪までの長さに相当するホイールベース長を用いて無次元化したものであってもよい。

上記自律走行車において、
前記制御装置は、
前記無次元化運動モデルの前記入力に相当する制御量候補を算出する制御量算出部と、
前記無次元化運動モデルを用いて前記車両本体の走行経路の形状を予測するモデル予測部と、
評価関数を用いて前記走行経路の形状を評価し、前記最適な入力に相当する最適な制御量候補を決定する評価部と、
前記操舵角が前記最適な制御量候補に含まれる制御量と一致するように、前記操舵角のフィードバック制御を行うフィードバック制御部とを備えるよう構成できる。

上記課題を解決するために、本発明の一実施形態に係る自律走行システムは、
前記いずれかの自律走行車と、
前記自律走行車の走行を管理する管理装置と、
を備えることを特徴とする。

上記課題を解決するために、本発明の他の実施形態に係る自律走行システムは、
少なくとも１台の自律走行車と、
前記自律走行車の走行を管理する管理装置と、
を備える自律走行システムであって、
前記自立走行車は、
車両本体と、
前記車両本体の前後方向の一方側に設けられた少なくとも１つの固定輪と、
前記車両本体の前後方向の他方側に設けられた単一の操舵輪と、
前記操舵輪の操舵角を制御する制御装置と、
を備え、
前記管理装置は、
入力が前記操舵角のみの１次元となる無次元化運動モデルを用いて、非線形モデル予測制御を行い最適な入力を決定するモデル予測制御部を備え、
前記自立走行車の前記制御装置は、
前記モデル予測制御部が決定した前記最適な入力に応じて前記操舵角を制御する、
ことを特徴とする。

上記自律走行システムにおいて、
前記モデル予測制御部は、
前記無次元化運動モデルの前記入力に相当する制御量候補を算出する制御量算出部と、
前記無次元化運動モデルを用いて前記自立走行車の走行経路の形状を予測するモデル予測部と、
評価関数を用いて前記走行経路の形状を評価し、前記最適な入力に相当する最適な制御量候補を決定する評価部と、
を備え、
前記自立走行車の前記制御装置は、
前記操舵角が前記最適な制御量候補に含まれる制御量と一致するように、前記操舵角の制御を行うよう構成できる。

本発明によれば、予測の性能を低下させることなく、計算速度の向上や安定性の向上を図ることが可能な自律走行車および自律走行システムを提供することができる。

第１実施形態に係る自律走行車および自律走行システムを示す図である。第１実施形態に係る操舵制御部のブロック図である。無次元化運動モデルおよび運動モデルを説明するための図である。第２実施形態に係る自律走行車および自律走行システムを示す図である。第２実施形態に係るモデル予測制御部のブロック図である。

以下、添付図面を参照して、本発明に係る自律走行車および自律走行システムの実施形態について説明する。

［第１実施形態］
図１に、本発明の第１実施形態に係る自律走行システム１Ａを示す。自律走行システム１Ａは、少なくとも１台の無人フォークリフト１０Ａ（本発明の「自律走行車」に相当）と、管理装置２０Ａとで構成される。

管理装置２０Ａは、通信部２１と、統括制御部２２とを備える。管理装置２０Ａは、無人フォークリフト１０Ａが走行する施設（例えば、複数の棚が設置された倉庫）の外に設けてもよいし、施設の中に設けてもよい。

通信部２１は、管理装置２０Ａに予め登録された無人フォークリフト１０Ａと無線通信を行うよう構成されている。

統括制御部２２は、無人フォークリフト１０Ａの走行および荷役作業を管理するよう構成されている。例えば、統括制御部２２は、無人フォークリフト１０Ａの荷役作業のスケジュールを作成するとともに荷役作業を円滑に行うための走行経路を決定する。統括制御部２２は、通信部２１を介して走行経路に関する経路情報を無人フォークリフト１０Ａに通知する。

無人フォークリフト１０Ａは、車両本体１１と、荷役装置１２と、固定輪１３（１３Ｌ，１３Ｒ）と、操舵輪１４と、従動輪１５と、操舵装置１６と、操舵角検出センサ１７と、制御装置１８Ａとを備える。

車両本体１１は、車体フレームに相当し、前方に突出するように設けられた左右一対のストラドルレッグを含む。また、車両本体１１は、管理装置２０Ａの管理下で自律走行するための自律走行機構を備える。自律走行機構は、例えば、レーザ誘導機構またはＳＬＡＭ誘導機構を含む。レーザ誘導機構は、レーザスキャナと壁等に設けられた反射体とを用いて特定した現在位置および姿勢（姿勢角）に基づいて自律走行するための機構である。ＳＬＡＭ誘導機構は、現在位置の推定および環境地図の作成を行うＳＬＡＭにより特定した現在位置および姿勢に基づいて自律走行するための機構である。

荷役装置１２は、車両本体１１の前部のストラドルレッグ間に設けられている。荷役装置１２は、ストラドルレッグに沿って前後方向に移動するキャリッジ１２ａと、キャリッジ１２ａに立設された左右一対のマスト１２ｂと、マスト１２ｂに昇降可能に取り付けられた左右一対のフォーク１２ｃとを含む。

固定輪１３（１３Ｌ，１３Ｒ）は、車両本体１１の前側の下部に設けられている。左側の固定輪１３Ｌは左側のストラドルレッグの下部に設けられ、右側の固定輪１３Ｒは右側のストラドルレッグの下部に設けられている。固定輪１３Ｌ，１３Ｒは、車両本体１１に対する車輪の方向が機械的に固定され、操舵できないよう構成されている。

操舵輪１４は、車両本体１１の後側の左側下部に設けられている。操舵輪１４は、操舵装置１６によって操舵可能（旋回可能）に構成されている。また、操舵輪１４は駆動輪を兼ねている。

従動輪１５は、車両本体１１の後側の右側下部に設けられている。従動輪１５は、非駆動輪であって、車両本体１１の走行に従動して回転するよう構成されている。

操舵装置１６は、車両本体１１において操舵輪１４の近傍に設けられている。操舵装置１６は、制御装置１８Ａの制御下で、操舵輪１４を操舵（旋回）させるよう構成されている。

操舵角検出センサ１７は、操舵輪１４の操舵角を検出するよう構成されている。操舵角検出センサ１７は、例えば、ポテンショメータを含む。操舵角検出センサ１７は、検出した操舵角に関する検出信号を制御装置１８Ａに出力する。

制御装置１８Ａは、マイコン等を含むデジタル回路および／またはアナログ回路で構成され、自律走行および荷役作業のための各種制御を行う。制御装置１８Ａは、荷役装置１２を制御する荷役制御部と、固定輪１３の走行モータおよび操舵輪１４の走行モータを制御する走行制御部と、操舵装置１６を制御することにより操舵輪１４の操舵角を制御する操舵制御部１００とを含む。

図２に、操舵制御部１００のブロック図を示す。操舵制御部１００は、第１制御部１０１および第２制御部１０２で構成される。第１制御部１０１は、非線形モデル予測制御を行うモデル予測制御部であり、制御量候補（操舵角候補）を算出し、最適な制御量候補を決定する。第２制御部１０２は、操舵輪１４の操舵角が最適な制御量候補に含まれる制御量（操舵角）と一致するように、操舵装置１６を制御する。

第１制御部１０１は、情報取得部１０３および演算処理部１０４を含む。演算処理部１０４は、制御量算出部１０５と、モデル予測部１０６と、評価部１０７とを含み、非線形モデル予測制御を行う。

情報取得部１０３は、操舵角検出センサ１７の検出信号に基づいて操舵角に関する角度情報を取得し、当該角度情報を演算処理部１０４に出力する。一方で、情報取得部１０３は、操舵輪１４の回転速度、固定輪１３の回転速度および車両本体１１の走行速度の少なくとも１つを含む速度に関する速度情報を必要としない。

また、情報取得部１０３は、管理装置２０Ａから走行経路に関する経路情報を取得するとともに、自律走行機構で特定した車両本体１１の現在位置および姿勢に関する車両情報を取得する。

経路情報は、例えば、ある走行区間の開始位置から終了位置までの走行経路を、ウェイポイント（緯度および経度で特定される位置情報）の配列として表した情報を含む。経路情報は、ウェイポイントの配列を、車両本体１１すなわち無人フォークリフト１０Ａの現在位置を原点とし、無人フォークリフト１０Ａの姿勢角ゼロのときの進行方向をＸ軸とする座標系に変換したものであってもよい。また、経路情報は、ウェイポイントの配列を上記座標系において曲線近似したものであってもよい。

車両情報に含まれる現在位置は、例えば、現在の代表点位置である。図３に示すように、代表点位置Ｐ（ｘ、ｙ）は、操舵輪１４の旋回中心を通り車両本体１１の前後方向にのびる仮想線と、固定輪１３Ｌ，１３Ｒの車軸とが交わる点の位置である。図３において、車両本体１１の姿勢（姿勢角）は、θで表される。

制御量算出部１０５は、制御量（操舵角）の候補を時系列で表した制御量候補（操舵角候補）を算出する。例えば、制御量算出部１０５は、情報取得部１０３で取得した情報等に基づいて、現時点の制御量ｕ_０を算出するとともに、次の時点から将来のｎ時点までの制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）を算出する。制御量算出部１０５は、最適な制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）が決定するまでは、制御量候補の値を少しずつ変化させて、モデル予測部１０６に出力する。なお、ｎの値は、予め設定された予測ホライズンＴおよびサンプリング周期△Ｔに応じて、適宜設定される。

モデル予測部１０６は、予め記憶している無次元化運動モデルを用いて、入力（制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ））に基づく車両本体１１の走行経路の形状を予測する。無次元化運動モデルは、常微分方程式を用いて、下記の（１）式のように記述できる。

（１）式において、δは操舵輪１４の操舵角であり、制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）の制御量ｕに相当する。すなわち、（１）式の無次元化運動モデルでは、入力（制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ））が操舵角（δ_１，δ_２，・・・，δ_ｎ）のみの１次元となる。また、（１）式において、θは車両本体１１の姿勢（姿勢角）であり、ｐ，ｑ，ηは下記の（２）式のとおりである。

（２）式において、ｘ，ｙは車両本体１１の代表点位置Ｐの座標、Ｌはホイールベース長、ｓは操舵輪１４の積算走行距離である。

（１）式の無次元化運動モデルは、従来から知れているキネマティックシングルトラックモデル（Kinematic Single-Truck Model）を無次元化したものである。キネマティックシングルトラックモデル（以下、「運動モデル」という。）は、単一の操舵輪を備える自律走行車に対応したモデルであり、常微分方程式を用いて、下記の（３）式のように記述できる。

（３）式において、ｖは操舵輪１４の速度（移動速度）である。（３）式の運動モデルでは、入力が操舵角δと速度ｖの２次元であり、独立変数が時刻ｔである。

ここで、操舵輪１４の積算走行距離ｓは、下記の（４）式を満たす。

（４）式を用いて、（３）式の独立変数を時刻ｔから積算走行距離ｓに変更する変数変換を行う。これにより、（３）式は下記の（５）式のように記述できる。

次に、距離の単位としてホイールベース長Ｌを採用し、ｘ，ｙ，ｓをホイールベース長Ｌで除算することで、無次元化を行う。この無次元化の変数が、上記の（２）式となり、（２）式を（５）式に適用することで、上記の（１）式が得られる。

上記の（１）式から、無次元化運動モデルは走行経路の形状が満たすべき条件を記述したものであり、走行経路の形状は速度ｖに依存しないことが分かる。また、入力が操舵角δのみの１次元となるため、走行経路の形状を操舵角δのみによって決定することができる。

評価部１０７は、予め記憶している評価関数を用いて、（１）式の出力である走行経路の形状を評価する。評価関数は、出力がどの程度望ましいかを数値的に表現する関数であり、関数値はスカラーとして表現される。評価部１０７は、経路長さ、燃費、走行時間などの目的に応じた様々な評価関数を適宜設定することができる。

評価部１０７は、評価関数が最大（または最小）となる制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）を非線形最適化問題によって見つける。評価部１０７は、非線形最適化問題によって見つけた制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）を制御量算出部１０５にフィードバックする。制御量算出部１０５は、制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）の値を変化させてモデル予測部１０６に出力し、モデル予測部１０６が予測した走行経路の形状を、評価部１０７が再び評価する。このようなループ処理が繰り返され、最適な制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）が決まると、評価部１０７は、最適な制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）に含まれる制御量ｕ_１を第２制御部１０２に出力する。制御量ｕ_１は、操舵角の目標値となる。

第２制御部１０２は、操舵輪１４の操舵角が制御量ｕ_１と一致するように、操舵装置１６のフィードバック制御を行う。第２制御部１０２は、本発明のフィードバック制御部に相当する。

本実施形態に係る無人フォークリフト１０Ａおよび自律走行システム１Ａによれば、非線形モデル予測制御において、入力が操舵角δのみの１次元となる無次元化運動モデルを用いることで、キネマティックシングルトラックモデルの場合と比較して、評価部１０７によって実行される非線形最適化問題の変数の次元を削減することができる。換言すれば、本実施形態では、予測ホライズンＴを短くしたり予測ホライズンＴにおけるサンプリング周期△Ｔを長くしたりすることなく、非線形最適化問題の変数の次元を削減することができる。

したがって、本実施形態に係る無人フォークリフト１０Ａおよび自律走行システム１Ａよれば、非線形モデル予測制御における予測の性能を低下させることなく、計算速度の向上および安定性の向上を図ることができる。

［第２実施形態］
図４に、本発明の第２実施形態に係る自律走行システム１Ｂを示す。自律走行システム１Ｂは、少なくとも１台の無人フォークリフト１０Ｂ（本発明の「自律走行車」に相当）と、管理装置２０Ｂとで構成される。

無人フォークリフト１０Ｂは、制御装置１８Ａの代わりに制御装置１８Ｂを備えることを除いて、第１実施形態と共通する。管理装置２０Ｂは、モデル予測制御部２００を備えることを除いて、第１実施形態と共通する。第２実施形態では、管理装置２０Ｂのモデル予測制御部２００が、非線形モデル予測制御を行う。

無人フォークリフト１０Ｂの制御装置１８Ｂは、マイコン等を含むデジタル回路および／またはアナログ回路で構成され、自律走行および荷役作業のための各種制御を行う。制御装置１８Ｂは、荷役装置１２を制御する荷役制御部と、固定輪１３の走行モータおよび操舵輪１４の走行モータを制御する走行制御部と、操舵装置１６を制御することにより操舵輪１４の操舵角を制御する操舵制御部とを含む。

図５に、管理装置２０Ｂのモデル予測制御部２００のブロック図を示す。モデル予測制御部２００は、情報取得部２０１および演算処理部２０２を含む。演算処理部２０２は、制御量算出部２０３と、モデル予測部２０４と、評価部２０５とを含み、非線形モデル予測制御を行う。

情報取得部２０１は、無人フォークリフト１０Ｂから操舵角に関する角度情報を取得し、当該角度情報を演算処理部２０２に出力する。一方で、情報取得部２０１は、操舵輪１４の回転速度、固定輪１３の回転速度および車両本体１１の走行速度の少なくとも１つを含む速度に関する速度情報を必要としない。

また、情報取得部２０１は、統括制御部２２から走行経路に関する経路情報を取得するとともに、無人フォークリフト１０Ｂから車両本体１１の現在位置および姿勢に関する車両情報を取得する。経路情報および車両情報は、第１実施形態と共通する。

演算処理部２０２（制御量算出部２０３、モデル予測部２０４、評価部２０５）は、第１実施形態における演算処理部１０４（制御量算出部１０５、モデル予測部１０６、評価部１０７）と同様の構成である。

すなわち、演算処理部２０２は、第１実施形態と共通する無次元化運動モデルを用いて、非線形モデル予測制御を行う。演算処理部２０２は、非線形モデル予測制御により、最適な制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）を決定し、最適な制御量候補（ｕ_１，ｕ_２，・・・，ｕ_ｎ）に含まれる制御量ｕ_１を、通信部２１を介して無人フォークリフト１０Ｂの制御装置１８Ｂに送信する。制御量ｕ_１は、操舵角の目標値となる。

制御装置１８Ｂの操舵制御部は、操舵輪１４の操舵角が制御量ｕ_１と一致するように、操舵装置１６の制御（例えば、フィードバック制御）を行う。

本実施形態に係る無人フォークリフト１０Ｂおよび自律走行システム１Ｂによれば、非線形モデル予測制御において、入力が操舵角δのみの１次元となる無次元化運動モデルを用いることで、キネマティックシングルトラックモデルの場合と比較して、評価部２０５によって実行される非線形最適化問題の変数の次元を削減することができる。換言すれば、本実施形態では、予測ホライズンＴを短くしたり予測ホライズンＴにおけるサンプリング周期△Ｔを長くしたりすることなく、非線形最適化問題の変数の次元を削減することができる。

したがって、本実施形態に係る無人フォークリフト１０Ｂおよび自律走行システム１Ｂによれば、非線形モデル予測制御における予測の性能を低下させることなく、計算速度の向上および安定性の向上を図ることができる。

［変形例］
以上、本発明に係る自律走行車および自律走行システムの実施形態について説明したが、本発明は上記実施形態に限定されるものではない。

本発明に係る自律走行車は、車両本体と、車両本体の前後方向の一方側に設けられた少なくとも１つの固定輪と、車両本体の前後方向の他方側に設けられた単一の操舵輪と、非線形モデル予測制御を行い、操舵輪の操舵角を制御する制御装置と、を備える自律走行車であって、制御装置は、入力が操舵角のみの１次元となる無次元化運動モデルを用いて非線形モデル予測制御を行い最適な入力を決定し、最適な入力に応じて操舵角を制御するのであれば、適宜構成を変更できる。

上記実施形態では、自律走行車として無人フォークリフトを例に挙げて説明したが、本発明の自律走行車は、単一の操舵輪を備え、キネマティックシングルトラックモデル（運動モデル）を適用できる車を含む。キネマティックシングルトラックモデルを適用できる車であれば、本発明の無次元化運動モデルを適用できる。例えば、本発明の自律走行車は、前輪が単一の操舵輪で、後輪が固定輪の無人搬送車でもよい。

１Ａ，１Ｂ自律走行システム
１０Ａ，１０Ｂ無人フォークリフト
１１車両本体
１２荷役装置
１２ａキャリッジ
１２ｂマスト
１２ｃフォーク
１３（１３Ｌ，１３Ｒ）固定輪
１４操舵輪
１５従動輪
１６操舵装置
１７操舵角検出センサ
１８Ａ，１８Ｂ制御装置
２０Ａ，２０Ｂ管理装置
２１通信部
２２統括制御部
１００操舵制御部
１０１第１制御部
１０２第２制御部
１０３，２０１情報取得部
１０４，２０２演算処理部
１０５，２０３制御量算出部
１０６，２０４モデル予測部
１０７，２０５評価部
２００モデル予測制御部

Claims

車両本体と、
前記車両本体の前後方向の一方側に設けられた少なくとも１つの固定輪と、
前記車両本体の前後方向の他方側に設けられた単一の操舵輪と、
非線形モデル予測制御を行い、前記操舵輪の操舵角を制御する制御装置と、
を備える自律走行車であって、
前記制御装置は、
入力が前記操舵角のみの１次元となる無次元化運動モデルを用いて、前記非線形モデル予測制御を行い最適な入力を決定し、前記最適な入力に応じて前記操舵角を制御し、
前記無次元化運動モデルは、
入力が前記操舵輪の速度および前記操舵角の２次元となるキネマティックシングルトラックモデルに対して、独立変数を時刻から前記操舵輪の積算走行距離に変更する変数変換を行い、かつ前記固定輪から前記操舵輪までの長さに相当するホイールベース長を用いて無次元化したものである、
ことを特徴とする自律走行車。
前記制御装置は、
前記無次元化運動モデルの前記入力に相当する制御量候補を算出する制御量算出部と、
前記無次元化運動モデルを用いて前記車両本体の走行経路の形状を予測するモデル予測部と、
評価関数を用いて前記走行経路の形状を評価し、前記最適な入力に相当する最適な制御量候補を決定する評価部と、
前記操舵角が前記最適な制御量候補に含まれる制御量と一致するように、前記操舵角のフィードバック制御を行うフィードバック制御部とを備える、
ことを特徴とする請求項１に記載の自律走行車。
請求項１または２に記載の自律走行車と、
前記自律走行車の走行を管理する管理装置と、を含む、
ことを特徴とする自律走行システム。
少なくとも１台の自律走行車と、
前記自律走行車の走行を管理する管理装置と、
を備える自律走行システムであって、
前記自律走行車は、
車両本体と、
前記車両本体の前後方向の一方側に設けられた少なくとも１つの固定輪と、
前記車両本体の前後方向の他方側に設けられた単一の操舵輪と、
前記操舵輪の操舵角を制御する制御装置と、
を備え、
前記管理装置は、
入力が前記操舵角のみの１次元となる無次元化運動モデルを用いて、非線形モデル予測制御を行い最適な入力を決定するモデル予測制御部を備え、
前記自律走行車の前記制御装置は、
前記モデル予測制御部が決定した前記最適な入力に応じて前記操舵角を制御し、
前記無次元化運動モデルは、
入力が前記操舵輪の速度および前記操舵角の２次元となるキネマティックシングルトラックモデルに対して、独立変数を時刻から前記操舵輪の積算走行距離に変更する変数変換を行い、かつ前記固定輪から前記操舵輪までの長さに相当するホイールベース長を用いて無次元化したものである、
ことを特徴とする自律走行システム。
前記モデル予測制御部は、
前記無次元化運動モデルの前記入力に相当する制御量候補を算出する制御量算出部と、
前記無次元化運動モデルを用いて前記自律走行車の走行経路の形状を予測するモデル予測部と、
評価関数を用いて前記走行経路の形状を評価し、前記最適な入力に相当する最適な制御量候補を決定する評価部と、
を備え、
前記自律走行車の前記制御装置は、
前記操舵角が前記最適な制御量候補に含まれる制御量と一致するように、前記操舵角の制御を行う、
ことを特徴とする請求項４に記載の自律走行システム。