无协同的紧约束环境中的碰撞避免：一种分层控制方法
机器人学
2021-03-19 v2 系统与控制
系统与控制
摘要
我们提出了一种分层控制方法，用于在存在其他运动中的自动驾驶车辆（AV）和/或人类驾驶车辆的紧约束环境中操控自动驾驶车辆。提出了一个两级层次结构：高层数据驱动策略预测器与低层基于模型的反馈控制器。策略预测器通过神经网络将动态环境的编码映射到一组高层策略。根据所选策略，在线生成 AV 位置空间中的一组时变超平面，并将相应的半空间约束包含进低层基于模型的滚动时域控制器中。这些依赖于策略的约束将车辆驱向其可能保持可行的区域。此外，预测的策略还用于告知在一组离散策略之间的切换，从而在预测置信度低时允许更保守的行为。我们通过仿真和 1/10 比例自动驾驶车平台上的实验，在两车碰撞避免场景中展示了所提数据驱动分层控制框架的有效性，其中策略引导方法在两种情况中均优于模型预测控制基线。
引用
@article{arxiv.2011.00413,
title = {Collision Avoidance in Tightly-Constrained Environments without Coordination: a Hierarchical Control Approach},
author = {Xu Shen and Edward L. Zhu and Yvonne R. Stürz and Francesco Borrelli},
journal= {arXiv preprint arXiv:2011.00413},
year = {2021}
}
备注
7 pages, 7 figures, accepted at ICRA 2021