May, 2024

基于改进的 A * 算法的自动停车规划控制方法

PDF
TL;DR本文提出了基于 A * 算法的改进自动停车规划算法，并使用模型预测控制 (MPC) 作为自动停车的控制模块，通过优化启发函数、二叉堆优化和双向搜索来增强规划的实时性，通过动态加载障碍物和引入车辆自身体积来计算狭窄区域的通行能力，在满足停车任务的高轨迹质量要求方面，使用邻域扩展和贝塞尔曲线优化方法改善轨迹质量。在获得规划算法的输出结果后，根据本地地图下自动停车任务的特点设计损失函数，并使用 MPC 算法输出控制指令以沿着规划的轨迹行驶。实验结果表明，本文提出的改进算法能够有效满足本地地图下自动停车的特殊要求，并完成自动停车的规划和控制任务。
发现论文，激发创造
  • 基于视觉的 BEV 自动停车规划

    基于 A * 算法，结合车辆运动学模型、启发式函数优化、双向搜索和贝塞尔曲线优化的改进型自动停车算法，提高了算法的计算速度和实时能力，并利用数值优化方法生成最终停车轨迹，确保了停车路径的安全性。与传统算法相比，该方法在更具挑战性的碰撞风险测试案例中计算时间减少，并在舒适性指标上的性能提升。

    May, 2024

  • 基于多启发式搜索的自动停车运动规划

    采用多启发式搜索方法，在相比常规算法更复杂的搜索空间中获得更高效和更高质量的实时路径规划。

    Jul, 2023

  • 基于搜索算法的自动驾驶优化运动规划

    本文提出了一种快速、稳健的运动规划框架，通过几种特征实现了在城市条件下实现自动驾驶，其中包括了路径规划和基于 A * 算法的最优轨迹计算，并考虑了各种不同的约束条件和时间跨度进行了验证。

    Mar, 2018

  • 基于强化学习的 MCTS 路径规划在自动停车中的加速

    通过将强化学习与蒙特卡洛树搜索相结合，我们提出了一种方法来增强完全可观察环境下自动停车任务的在线路径规划。通过先前的搜索步骤中综合利用先前的知识，状态评估方法对于在高维空间下的基于采样的规划方法可以提高实时系统中的计算效率。在复杂环境下执行自动停车任务的挑战在于传统的解析方式很难构建坚固但轻量级的启发式引导。为了克服这一限制，我们在路径规划框架下提出了一种强化学习流程和蒙特卡洛树搜索的结合。通过迭代学习状态的值以及从上一个周期的结果中选出的最佳动作样本，我们能够建模给定状态的值估计器和策略生成器。通过这样的方式，我们建立了一种探索与利用之间的平衡机制，加速了路径规划过程，并在不使用人工专家驾驶员数据的情况下保持其质量。

    Mar, 2024

  • 自动调节模型预测控制及其在生态巡航控制中的应用

    在线自动调整 MPC 控制器的方法应用于生态巡航控制系统，并通过使用道路坡度的预览来节约燃料，并且提供了动态规划和反向优化的求解方法以及神经网络的应用验证。

    Sep, 2023

  • 深度交互式动作预测与规划：通过动作预测模型进行游戏

    本研究提出一种多智能体策略网络和博弈论模型预测控制器相结合的方案，将自动驾驶车辆的预测和规划层紧密耦合，能够有效生成交互行为。

    Apr, 2022

  • 基于自适应模型预测控制的轮式移动机器人控制

    本文演示了一种基于自适应模型预测控制框架的控制算法，用于引导具有未知惯性的两轮移动机器人以一定方向到达目标点，其中使用了递归最小二乘算法更新了一组标称参数。

    Jan, 2022

  • 基于视觉 SLAM 的轨迹训练自动泊车系统

    本文介绍了一种基于视觉算法的 “训练轨迹” 自动驾驶停车系统，并将其部署在商用车上展示其消费应用。

    Jan, 2020

  • 基于视觉的自动驾驶车辆的高效感知、规划和控制算法

    该论文提出了一个有效的自主驾驶车辆操作框架，仅需要使用单目相机和几个廉价雷达，使用 MTUNet 网络提取图像特征，并使用 CILQR 和 VPC 模块进行快速运动规划和控制。该控制器可以保持自拍车速度及全向偏移分别为 76 公里 / 小时及 0.52 米，而无需使用高清地图。

    Sep, 2022

  • 高速多车自主赛车的运动规划与控制

    本文提出了一种多层次的运动规划和控制架构，用于自主驾驶赛车，能够避开静态障碍物，执行主动超车，并达到超过 75 m /s 的速度。

    Jul, 2022