Тестовое задание по Control & Planning

Описание задания

Ваша задача - реализовать систему планирования траектории и управления для автономного автомобиля Formula Student. Система должна обеспечивать безопасное и эффективное движение по заданной трассе с конусами.

Что нужно реализовать

1. Планирование траектории - построение оптимального пути между конусами
2. Контроллер управления - система управления скоростью и рулевым углом
3. Избегание препятствий - динамическое перепланирование при обнаружении препятствий
4. Оптимизация производительности - минимизация времени прохождения трассы

Структура проекта

control_planning_test_task/
├── data/                     # Данные трассы и симуляции
│   ├── track_layout.json     # Описание трассы
│   ├── waypoints.csv         # Опорные точки трассы
│   ├── obstacles.json        # Динамические препятствия
│   └── vehicle_params.json   # Параметры автомобиля
├── src/                      # Исходный код
│   ├── path_planning.py      # Планирование траектории
│   ├── controller.py         # Контроллер управления
│   ├── vehicle_model.py      # Модель динамики автомобиля
│   ├── obstacle_avoidance.py # Избегание препятствий
│   ├── optimization.py       # Оптимизация траектории
│   └── simulation.py         # Симуляция движения
├── tests/                    # Тесты
│   ├── test_path_planning.py
│   ├── test_controller.py
│   └── test_integration.py
├── results/                  # Результаты симуляции
├── requirements.txt          # Зависимости
└── README.md                 # Данный файл

Детали задания

1. Планирование траектории

Реализуйте алгоритм построения траектории, который:

• Анализирует расположение конусов и строит оптимальный путь
• Учитывает динамические ограничения автомобиля (радиус поворота, максимальная скорость)
• Минимизирует время прохождения трассы
• Обеспечивает плавность траектории для комфортного управления

Алгоритмы на выбор:

• Триангуляция Делоне
• A* с учетом динамики
• Hybrid A* для автомобилей
• Pure Pursuit с оптимизацией
• Многое другое на ваш выбор

2. Контроллер управления

Создайте систему управления, включающую:

• Поперечный контроллер (рулевое управление) - Pure Pursuit, Stanley, или MPC
• Продольный контроллер (управление скоростью) - PID, MPC
• Координацию контроллеров - совместная работа продольного и поперечного управления

3. Избегание препятствий

Реализуйте систему:

• Детекции препятствий на трассе
• Динамического перепланирования при обнаружении препятствий
• Безопасного маневрирования вокруг препятствий

4. Оптимизация производительности

Оптимизируйте систему для:

• Минимального времени прохождения трассы
• Максимальной скорости в поворотах
• Плавности управления (минимизация рывков (n-ые производные скорости))

Параметры трассы

Формат трассы

• Конусы расположены по бокам трассы
• Ширина трассы: 3.5 метра
• Длина трассы: ~200 метров
• Типы поворотов: 90°, 180° (hairpin), S-образные

Ограничения автомобиля

• Максимальная скорость: 15 м/с (54 км/ч)
• Максимальное ускорение: 8 м/с²
• Максимальное замедление: 12 м/с²
• Минимальный радиус поворота: 3 метра
• База автомобиля: 1.6 метра

Требования к реализации

1. Модульность

• Код должен быть разделен на логические модули
• Каждый модуль должен иметь четкий интерфейс
• Возможность независимого тестирования компонентов

2. Производительность

• Алгоритмы должны работать в реальном времени
• Время планирования траектории < 100 мс
• Частота управления > 50 Гц

3. Надежность

• Обработка граничных случаев
• Fallback стратегии при сбоях
• Валидация входных данных

4. Документация

• Документация всех алгоритмов
• Объяснение выбора параметров
• Анализ производительности

Ожидаемые результаты

1. Рабочая система планирования и управления
2. Симуляция прохождения трассы с визуализацией
3. Метрики производительности:
   • Время прохождения трассы
   • Максимальная достигнутая скорость
   • Плавность траектории (jerk)
   • Точность следования траектории
4. Анализ результатов и рекомендации по улучшению

Критерии оценки

• Функциональность (40%): Работает ли система планирования и управления
• Качество алгоритмов (30%): Оптимальность и эффективность решений
• Качество кода (20%): Структура, документация, тестирование
• Производительность (10%): Скорость работы и оптимизация

Дополнительные задания (бонус)

1. Адаптивное планирование - учет состояния покрытия трассы
2. Мультиагентное планирование - учет других участников
3. Машинное обучение - оптимизация параметров через RL
4. 3D планирование - учет профиля трассы

Удачи!