Development of an MPC-based local trajectory planning algorithm for autonomous racing vehicles

Autonomous driving represents one of the most significant technological advancements in modern mobility. Within this domain, autonomous racing provides an exceptional platform for developing and validating high-performance algorithms, requiring vehicles to operate at the limits of handling. Competitions such as the Abu Dhabi Autonomous Racing League (A2RL) promote the advancement of autonomous software in high-speed racing on complex circuits, including multi-vehicle interactions. In this context, trajectory planning plays a central role, defining the reference that the vehicle follows to minimize lap time while respecting its dynamic capabilities and planning overtaking maneuvers in multi-vehicle racing scenarios. This thesis presents the development of a Model Predictive Control (MPC) algorithm for local trajectory planning in autonomous racing. The proposed planner tracks a time-optimal racing line provided by a global planner and generates reference trajectories for the underlying tracking controllers within the planning corridor defined by the track boundaries. The algorithm relies on the prediction of a dynamic vehicle model and explicitly accounts for friction limits and corridor constraints. The prediction model adopts a point-mass formulation in the Frenet reference frame, augmented with first-order closed-loop acceleration dynamics that capture the bandwidth limitations of the low-level controllers. The resulting nonlinear optimal control problem is solved using a Real-Time Iteration scheme, yielding at each step a convex Quadratic Program (QP) that can be efficiently computed for real-time implementation. The algorithm is evaluated in simulation on the Yas Marina Circuit. Under nominal conditions, the MPC based approach achieves accurate tracking of the global reference trajectory. Moreover, planning corridor restriction tests demonstrate the capability of generating feasible avoidance maneuvers, providing a foundation for trajectory planning in multi-vehicle scenarios. Finally, the MPC is integrated and validated into the PoliMOVE Software-in-the-Loop simulator, which reproduces the full control architecture and a high-fidelity vehicle model, confirming closed-loop performance under realistic conditions.

La guida autonoma rappresenta uno dei progressi tecnologici più significativi nella mobilità moderna. In questo ambito, le competizioni tra veicoli autonomi costituiscono una piattaforma per lo sviluppo e la validazione di algoritmi ad alte prestazioni, che richiedono di operare al limite dell’aderenza. Gare come l’Abu Dhabi Autonomous Racing League (A2RL) promuovono l’avanzamento degli algoritmi di guida autonoma in gare ad alta velocità su circuiti complessi, con interazioni tra più veicoli. In questo contesto, la pianificazione della traiettoria riveste un ruolo centrale, in quanto definisce il riferimento che il veicolo segue per minimizzare il tempo sul giro rispettando i vincoli dinamici e definisce manovre di sorpasso in pista. Questa tesi presenta lo sviluppo di un algoritmo Model Predictive Control (MPC) per la pianificazione locale della traiettoria nelle competizioni di guida autonoma. L’approccio proposto segue una linea ottimale fornita da un pianificatore globale e genera traiettorie di riferimento per i controllori sottostanti, all’interno del corridoio definito dai limiti della pista. L’algoritmo si basa sulla predizione di un modello dinamico del veicolo e tiene esplicitamente conto dei limiti di aderenza e dei vincoli sul corridoio. Il modello predittivo adotta una rappresentazione punto-massa del veicolo nel sistema di riferimento di Frenet, includendo le dinamiche di accelerazione del primo ordine che catturano le limitazioni dei controllori di basso livello. Il problema di ottimizzazione non lineare risultante viene risolto mediante uno schema Real-Time Iteration, che produce ad ogni istante un Programma Quadratico (QP) convesso, risolvibile in modo efficiente. L’algoritmo è valutato in simulazione sul circuito di Yas Marina. In condizioni nominali, l’MPC segue in maniera accurata la traiettoria di riferimento globale. Inoltre, test che modificano i vincoli di corridoio dimostrano la capacità di generare manovre che evitino gli ostacoli, ponendo le basi per la pianificazione di traiettorie di sorpasso in scenari multi-veicolo. Infine, l’MPC è integrato e validato nel simulatore Software-in-the-Loop di PoliMOVE, che riproduce l’intera architettura di controllo e simula un modello accurato del veicolo, confermando le prestazioni in anello chiuso in condizioni realistiche.