DRF：一种高精度自动驾驶车辆建模框架
机器人学
2020-11-03 v1
摘要
准确的车辆动力学模型是缩小自动驾驶中仿真与真实道路测试差距的关键。本文提出一种用于车辆动力学建模的动态模型-残差校正模型框架(DRF)。该框架在任何现有开环动力学模型之上，通过深度神经网络(NN)与稀疏变分高斯过程(SVGP)模型集成构建残差校正模型(RCM)。RCM以一段时间内的车辆控制指令序列和动力学状态作为建模输入，利用深度编码器网络从该序列中提取潜在上下文，并预测开环动力学模型的预测误差。通过编码器变体，从DRF派生出五种车辆动力学模型。我们通过绝对轨迹误差评估以及DRF输出与真值相似度的实验巩固了我们的贡献。与经典基于规则和基于学习的车辆动力学模型相比，DRF在所有变体中实现了高达74.12%至85.02%的绝对轨迹误差下降。
引用
@article{arxiv.2011.00646,
title = {DRF: A Framework for High-Accuracy Autonomous Driving Vehicle Modeling},
author = {Shu Jiang and Yu Wang and Longtao Lin and Weiman Lin and Yu Cao and Jinghao Miao and Qi Luo},
journal= {arXiv preprint arXiv:2011.00646},
year = {2020}
}