基于 AI 的自动驾驶车辆的分析与设计方法
系统与控制
2025-09-16 v1 人工智能
系统与控制
摘要
人工智能（AI）模型正成为自动驾驶车辆（AV）的关键组件，特别是在处理复杂的感知任务方面。然而，由于对 AI 驱动的感知过程机制的理解非常有限，通过基于 AI 的反馈闭合回路可能会对自动驾驶的可靠性构成重大风险。为了克服这一问题，本文旨在为一类基于 AI 的 AV 开发建模、分析和综合工具；特别是，在统计意义上严格研究了它们的闭环特性，例如稳定性、鲁棒性和性能。首先，我们通过考察误差特性，提供了一种针对 AI 驱动感知过程的新型建模手段。具体而言，识别出三种基本的 AI 诱发感知不确定性，并分别用马尔可夫链、高斯过程和有界扰动对其进行建模。借此，在均方意义上建立了闭环随机稳定性（SS），随后在线性矩阵不等式（LMIs）框架内提出了一种 SS 控制综合方法。除了 SS 特性外，还从随机保成本的角度讨论了基于 AI 的 AV 的鲁棒性和性能，并给出了在存在 AI 诱发不确定性时测试 AV 鲁棒性水平的判据。此外，研究了随机最优保成本控制，并基于 LMI 技术和凸优化创新地开发了一种高效的设计流程。最后，为了说明有效性，将所开发的结果应用于车辆跟随控制示例，并进行了广泛的仿真。
引用
@article{arxiv.2509.12169,
title = {Approaches to Analysis and Design of AI-Based Autonomous Vehicles},
author = {Tao Yan and Zheyu Zhang and Jingjing Jiang and Wen-Hua Chen},
journal= {arXiv preprint arXiv:2509.12169},
year = {2025}
}