基于深度学习的车辆纵横向耦合控制
机器学习
2018-10-23 v1 机器人学
系统与控制
机器学习
摘要
本文探讨了深度神经网络捕捉车辆动力学关键特征的能力，以及其执行车辆纵横向耦合控制的能力。为此，基于高保真车辆动力学仿真数据集，训练了两种不同的人工神经网络来计算对应于参考轨迹的车辆控制量。在本研究中，控制输入选为前轮转角以及各车轮上的施加扭矩。这两种模型，即多层感知机（MLP）和卷积神经网络（CNN），的性能根据其在充满挑战的测试赛道上行驶的能力进行评估，该赛道在长直线段与急弯道之间切换。文中还提供了在相同赛道上与常规解耦控制器的对比。
引用
@article{arxiv.1810.09365,
title = {Coupled Longitudinal and Lateral Control of a Vehicle using Deep Learning},
author = {Guillaume Devineau and Philip Polack and Florent Altché and Fabien Moutarde},
journal= {arXiv preprint arXiv:1810.09365},
year = {2018}
}
备注
Published in the IEEE 2018 International Conference on Intelligent Transportation Systems (ITSC 2018)