同济大学 | 用于自动驾驶汽车转向的数据驱动模型预测控制

自动驾驶之心

于 2024-08-18 00:01:52 发布

阅读量110

点赞数

文章标签：自动驾驶汽车人工智能机器学习

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247623590&idx=4&sn=ba60d381704f8b045763502f98a2a8fc&chksm=cf833cfeeb1fa402ff16c0ed2b78d81947eab9e22e4455ff7a0aadb703dfa9b1aeb48dedb3ac&scene=126&sessionid=0

版权

作者 | 自动驾驶专栏编辑 | 自动驾驶专栏

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

>>点击进入→自动驾驶之心『预测控制』技术交流群

本文只做学术分享，如有侵权，联系删文

论文链接：https://arxiv.org/pdf/2407.08401
项目主页：https://john0915aaa.github.io/DDMPC-for-AV-steering/

摘要

本文介绍了用于自动驾驶汽车转向的数据驱动模型预测控制。随着自动驾驶技术的发展，对车辆控制的要求越来越高，MPC已经成为工业界和学术界广泛研究的主题。现有的基于车辆运动学或者动力学的MPC控制方法存在建模困难、参数众多、非线性强以及计算成本高等挑战。为了解决这些问题，本文提出了一种用于自动驾驶汽车转向的数据驱动MPC控制方法。该方法避免了复杂车辆系统建模的需求，并且以相对较低的计算时间和较小的误差实现了轨迹跟踪。本文通过Carsim-Simulink仿真验证了所提出的算法在特定场景下的控制效果，并且与PID和车辆运动学MPC进行比较分析，证明了所提出算法的可行性和优越性。

主要贡献

本文的贡献总结如下：

1）本文基于自动驾驶汽车的特性，通过修改和设计现有算法，提出了一种用于汽车转向的数据驱动模型预测控制算法；

2）本文通过仿真实验验证了DDMPC应用于自动驾驶汽车转向的可行性，并且通过与其它算法的比较证明了该算法的优越性。

论文图片和表格

总结

本文研究并且实验验证了所提出的用于自动驾驶汽车转向控制的数据驱动MPC算法。实验表明，该算法可以实现稳定的前轮角度控制来跟踪参考轨迹，并且与传统的MPC算法相比，它有效地降低了控制误差和计算时间。

本文今后的工作将着重于增强算法的鲁棒性和实时性，以进一步改进其在各种驾驶条件下的有效性。

投稿作者为『自动驾驶之心知识星球』特邀嘉宾，欢迎加入交流！重磅，自动驾驶之心科研论文辅导来啦，申博、CCF系列、SCI、EI、毕业论文、比赛辅导等多个方向，欢迎联系我们！

① 全网独家视频课程

BEV感知、BEV模型部署、BEV目标跟踪、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、车道线检测、轨迹预测、在线高精地图、世界模型、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、大模型与自动驾驶、Nerf、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）

网页端官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

国内最大最专业，近3000人的交流社区，已得到大多数自动驾驶公司的认可！涉及30+自动驾驶技术栈学习路线，从0到一带你入门自动驾驶感知（2D/3D检测、语义分割、车道线、BEV感知、Occupancy、多传感器融合、多传感器标定、目标跟踪）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、大模型、端到端等，更有行业动态和岗位发布！欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频