CFS2020

機械学習を用いたRCカーでの自動ドリフト走行

Introduction

• ドリフト走行は何のためにする？
• 車が悪路で滑った際に自動で軌道修正することができると思われる
• 安全性が高まる。

Introduction

これまでにできていること、されていること

- ドリフト走行[1]：経路を入力した状態でそのタイヤの力やスリップを解析

- ドリフト走行[2]：Openloop, Closeloopアルゴリズムで走行経路の精度を比較

​

Introduction

研究の新規性

• DonkeyCarを用いた機械学習で制御する自動ドリフト走行
• なぜ機械学習だと良いのか
• 走行経路を予め入力しておく必要がない�(訓練時の走行によって経路の変更が可能)
• コースを予め入力するより人間が走らせたコースを走る
• どちらが大変か

​

​

Introduction　関連研究 [1]

“Toward Automated Vehicle Control Beyond the Stability Limits: Drifting Along a General Path”

軌道に沿った自動ドリフト走行のためのコントローラーの提案

近くの軌道の平衡点を参照せず、車両や車輪のダイナミクスを解析することで、軌道の追跡およびドリフトの安定化が可能

​

Introduction　関連研究 [2]

“Autonomous Drift Cornering with Mixed Open-loop and Closed-loop Control”

• Openloop, Closeloopアルゴリズムで走行経路の精度を比較

要求

ソフトウェアについて

- DonkeyCar version 3.1.2

- TensorFlow 1.13.1

- CUDA 10.0

学習モデル Keras Linear

Input: Image

Network: 5 Convolution layers followed by two dense layers before output

Output: Two dense layers with one scalar output each linear activation for steering and throttle.

ソフトウェアはそれぞれどのような役割をしているか

包含関係を正確に

（SWとHWの関係）

Hardware 目次

• 車体の重量
• アクリル板設計
• オーバードライブをリメイク
• 配線
• 完成した車の写真

ハードウェアの構成要素

- ドリフトカー

- Jetson nano

- overdrive

- IMU

- Wi-fi アンテナ

​

それぞれの画像

電力配線図

配線図

PWM selector

アクリル板設計について

Overdriveとjetsonが載せられるように設計

初版:

• アクリル板に反映させるためネジ穴の位置と大きさを合わせた

第二版:

• OverDriveをひっくり返して、アクリル板を使う量を減らした

第三版:

• 第二版より減量させてアクリル板を設計する

オーバドライブをリメイク

OverDriveとは、

車体を制御するためのマイコン(teensy)とLEDを載せる基板

​

やったこと

軽量化するために、OverDriveの不要な箇所を減らす

1. LED部分を削除したオーバードライブを作成(発注中)
2. teensyに直接ワイヤー線をはんだ付けする

Evaluation

物体を認識してドリフトができるか評価する

• ドリフトできているか？
• ドリフトの定義：横滑りして走行する
• 自動走行を開始してから途中で停止せずにコースを走る（何周？）
• 訓練時と同じコースを自動で走行
• 八の字のコースで学習して、コース通りに自動ドリフト走行が�できているのか
• 何周走れたかで評価する

​

Evaluation

コース概要

• 青色のコーンを N cm離して置く
• 8の字走行 or 楕円

​

Discussion

​

​

- できたことのまとめ

- これからの展望