Design and implementation of a low-level longitudinal control for autonomous vehicles

Autonomous vehicle algorithms consist of multiple modules which can be organized into two levels: a high-level layer for perception, localization, and planning, and a low-level layer that translates planned trajectories into control commands. This work, within the AIDA project, focuses on one of the main control aspects of autonomous driving in urban environments: the longitudinal control. In particular the goal is turning high-level acceleration/speed setpoints into smooth throttle and brake commands on a real vehicle. The goal is to develop and compare different control solutions and identify the best trade-off between responsiveness, accuracy, and comfort for on-road use. We designed and assess four architectures: a baseline acceleration controller, an acceleration controller enhanced with feedforward, a speed controller, and a nested speed and acceleration loops solution. Each controller is validated first in simulation, using a simulator developed in this Thesis, and then on a Fiat 500e, using the same reference profiles to ensure a consistent comparison. Results show a clear progression: adding feedforward consistently shortens rise/settling times versus the baseline while keeping the control action smooth; in the speed domain, the cascade is only slightly quicker than the speed alternative, with comparable steady-state accuracy and comfort. Overall, within the tested operating range, the acceleration controller with feedforward delivers the best balance of promptness, precision, and drivability. The close match between simulations and experiments supports the viability of these solutions for deployment within AIDA.

Gli algoritmi per veicoli autonomi sono costituiti da più moduli organizzati su due livelli: un livello alto per percezione, localizzazione e pianificazione, e un livello basso che traduce le traiettorie pianificate in comandi di controllo. Questo lavoro, nell’ambito del progetto AIDA, si concentra su uno dei principali aspetti di controllo della guida autonoma in ambienti urbani: il controllo longitudinale. In particolare l’obiettivo è trasformare i setpoint di accelerazione o velocità di alto livello in comandi di acceleratore e freno su un veicolo reale. L’obiettivo è sviluppare e confrontare diverse soluzioni di controllo e identificare il miglior compromesso tra reattività, accuratezza e comfort per l’uso su strada. Sono state progettate e valutate quattro architetture: un controllore di accelerazione di base, un controllore di accelerazione con feedforward, un controllore di velocità e una soluzione con anelli annidati di velocità e accelerazione. Ogni controllore è validato prima in simulazione, tramite un simulatore svilppato in questa Tesi, e poi su una Fiat 500e, utilizzando gli stessi profili di riferimento per garantire un confronto equo. I risultati mostrano una chiara progressione: aggiungere il feedforward diminuisce sistematicamente i tempi di salita e assestamento rispetto alla baseline mantenendo l’azione di controllo regolare; nel dominio della velocità, l’architettura annidata è solo leggermente più rapida dell’alternativa di velocità, con accuratezza a regime e comfort comparabili. Nel complesso, nell’intervallo operativo testato, il controllore di accelerazione con feedforward offre il miglior equilibrio tra prontezza, precisione e guidabilità. La stretta corrispondenza tra simulazioni ed esperimenti supporta la fattibilità di queste soluzioni per l’impiego all’interno di AIDA.