Development of identification methods for low-level control in autonomous vehicles and simulator

In recent years, autonomous driving technology has made significant strides, revolutionizing the automotive industry. The rise in popularity of self-driving cars is attributed to their inherent advantages in safety, efficiency, and convenience. An autonomous driving system consists of a variety of modules, each playing an important role in ensuring effective vehicle operation. Central to the successful realization of such systems is the accurate identification of vehicle dynamics for control algorithm development and the comprehensive simulation of the driving environment for testing. This Thesis focuses on establishing a standardized framework for identifying autonomous vehicle models, focusing on longitudinal and lateral dynamics, and actuators. Moreover, it elucidates the configuration of the simulator to replicate real-world network architecture, computational capabilities, and vehicle performance. In particular, advancements include the implementation of a CAN bus architecture, ensuring a perfect match of network architecture between the simulation environment and the real vehicle. Furthermore, adjustments to the vehicle model used in the simulation have been made to align its performance with real-world scenarios. The interchangeability between the real vehicle and the simulation platform allows for identical tests to be conducted. Through simulations and on-track experiments, the effectiveness of the identification process is validated and compared, demonstrating the simulation's robustness and precision. Finally, improvements are made in the development of the low-level controller for the vehicle, including refinements to its algorithms and optimizations to its response mechanisms. These improvements contribute to the overall efficacy and reliability of the autonomous driving system.

La guida autonoma ha compiuto notevoli progressi nel corso degli ultimi anni, rivoluzionando l'industria automobilistica. La popolarità di questa tecnologia sta aumentando notevolmente, per merito dei vantaggi che offre in termini di sicurezza, efficienza e convenienza. Se i nuovi algoritmi di localizzazione, percezione e pianificazione hanno portato un notevole sviluppo dell'auto senza pilota, le discipline di controllo classiche rimangono comunque attuali e fondamentali per la realizzazione dei comandi forniti dal pilota artificiale. In particolare, per gli algoritmi di controllo è necessaria un'accurata identificazione delle dinamiche del veicolo e la creazione di un ambiente di simulazione che possa essere usato come piattaforma di sperimentazione. Questa Tesi si concentra sullo sviluppo di una procedura standard per l'identificazione di un modello veicolo per la guida autonoma. Si analizza quindi l'influenza delle componenti di acceleratore, freno e resistenza all'avanzamento sulla dinamica. L'analisi longitudinale ha come obiettivo l'identificazione di mappe statiche e la modellizzazione dinamica degli attuatori impiegati nella guida autonoma. L'analisi affronta anche la dinamica laterale per modellizzare l'attuatore dello sterzo e la dinamica della velocità angolare di imbardata. Il controllore di basso livello è stato quindi migliorato basandosi su questi risultati. Inoltre, viene illustrata la configurazione del simulatore, in termini di architettura di rete, capacità computazionali e software utilizzati. Come nel veicolo reale è stato implementato il CAN bus. Sono state anche apportate modifiche al modello di veicolo utilizzato per rendere le prestazioni coerenti con quelle della MC20 Cielo utilizzata in questo progetto. Si è raggiunta, quindi, la totale interscambiabilità tra il veicolo reale e la piattaforma di simulazione. È stato possibile, infatti, svolgere il processo di identificazione anche in simulazione. Il confronto di questi risultati con i dati raccolti durante i test in pista dimostra l'efficacia del simulatore e la sua capacità di rappresentare in modo coerente scenari reali, confermandosi come strumento essenziale per la sperimentazione.