自动驾驶汽车跟车不确定性中的贝叶斯方法：支持策略决策制定
系统与控制
2022-10-26 v1 机器学习
机器人学
系统与控制
摘要
本文提出一种通过贝叶斯推断实时估计自动驾驶汽车（AV）动力学不确定性的方法。基于所估计的不确定性，该方法旨在持续监控AV的跟车（CF）性能，以支持维持期望性能的策略性动作。我们的方法由三个顺序组件构成：（i）采用随机梯度朗之万动力学（SGLD）实时估计相对于车辆动力学的参数不确定性，（ii）跟车稳定性（局部与队列层面）的动态监控，以及（iii）若检测到异常则进行控制调整的策略性动作。所提方法提供了实时度量AV跟车性能的手段，并针对车辆控制算法中未考虑到的实时不确定性保持期望性能。
引用
@article{arxiv.2210.13683,
title = {Bayesian Methods in Automated Vehicle's Car-following Uncertainties: Enabling Strategic Decision Making},
author = {Wissam Kontar and Soyoung Ahn},
journal= {arXiv preprint arXiv:2210.13683},
year = {2022}
}