Apr, 2024

学习稳定、安全、分布式反馈控制器用于异构车队

PDF
TL;DR自动驾驶车辆的编队技术有潜力提高公路上的安全性和燃油效率。本论文介绍了一种用于学习分布式稳定安全控制器的算法，该算法依赖于最近在神经网络稳定性和安全证书方面的发展。通过在仿真和 100 辆车的编队中评估，实验结果表明了该算法和学习控制器的实用性，通过与线性反馈和分布式模型预测控制器的性能进行比较。
发现论文，激发创造
  • 评估自主编队算法的基准测试平台的设计与实现

    自主驾驶车队展现中短期机会以提高运营效率和挽救生命。本文介绍了一个可以评估和基准测试装载传感器的 1/10 比例车辆车队算法的测试平台，通过对典型车队场景进行变速的参考轨迹跟踪的实验，评估了线性反馈和两种分布式模型预测控制算法，并验证了算法的性能随车队规模增加而增加，结果表明分布式模型预测控制算法在硬件和仿真中优于线性反馈。

    Feb, 2024

  • 基于多智能体深度强化学习的可扩展去中心化协同车队

    通过车辆之间的协作自主驾驶和车辆间通信，以车队行驶为应用场景，在城市环境中使用深度强化学习和物理模拟技术，实现了交通流量和安全的提升。

    Dec, 2023

  • 面向联合学习的自主控制器设计：用于连接和自动驾驶车辆

    本论文提出了一种新的基于大规模无线连接的联邦学习框架，用于设计连接和自动驾驶车辆（CAVs）的自主控制器。使用联合训练模型，应对 CAVs 参与联邦学习过程的不同和数据质量的多样化，提出了动态联邦近端算法（DFP）。在此基础上，设计了基于合同理论的激励机制，以提高 FL 的收敛速度。仿真结果表明，DFP 控制器可以精确跟踪目标 CAV 在不同交通场景下的车速。

    Feb, 2021

  • 混合自主交通中用宏观模型进行车队行驶的动态学习

    通过耦合的偏微分方程和常微分方程模型，本研究着眼于发展针对车队控制的 Dyna 式计划和学习框架，旨在减少燃料消耗，模拟结果验证了我们宏观模型在混合自治设置中建模车队的有效性，与传统方法相比，燃料消耗明显减少了 10.11%。

    May, 2024

  • 无线自主车队系统的联合通信和控制

    为实现自主车队所需的无线网络可靠性和控制系统稳定性，本文提出了一个新的框架，通过分析控制系统的稳定性和车辆间通信信道的不确定性，导出了无线系统可靠性的运算表达式，并将控制参数优化以最大化无线系统的可靠性。

    Apr, 2018

  • 模型预测控制中分布式编队控制器的攻击韧性探究

    本论文致力于通过研究攻击场景并评估其对系统性能的影响，来提高分布式车队控制器的安全性。使用模型预测控制 (MPC) 控制器模拟了各种攻击技术，包括中间人攻击和伪造数据注入，以识别车队控制器的漏洞和弱点。论文提供并测试了一些对策，其中包括使用机器学习技术进行攻击分析和加强通信协议。研究结果强调了将安全问题整合到设计和实施中的重要性，从而构建安全且具有弹性的分布式车队控制器。

    Jan, 2024

  • 基于深度强化学习的自适应编队和预约交叉口控制建模

    本研究提出了一种基于深度强化学习的自适应编队交叉口控制模型，该模型采用第一到达优先策略和深度 Q 算法来决定车辆通行的优先级和最佳编队大小，该模型相较于现有方法在旅行效率和燃油节省方面表现出卓越的性能。

    Jun, 2022

  • 集成深度强化学习与动态规划的自主编队控制

    本文提出了一种基于深度增强学习和动态规划的算法 Finite-Horizon-DDPG-SS，用于解决车队中车辆跟随控制问题，通过真实驾驶数据的仿真验证了该算法的有效性，并且能够提高车队的安全性和稳定性。

    Jun, 2022

  • 提升混合交通的安全性：基于学习的建模与有效的自动驾驶和人工驾驶车辆控制

    使用先进的人类驾驶车辆模型和高斯过程学习相结合的方法来预测人类驾驶车辆的行为，并利用该模型开发了一种增强型模型预测控制策略，以提高混合车辆编队的安全性和运行效率。

    Apr, 2024

  • 面向分布感知的自主驾驶安全目标预测和符合模型规划

    本文提出了一种基于模块化架构的学车任务分解方法，在障碍感知、目标预测和规划方面均取得了优秀的方法，并在 CARLA 模拟器上实现了最新的优秀结果。

    Dec, 2022