LVD-NMPC：一种基于学习的视觉动力学非线性模型预测控制方法及其在自动驾驶车辆中的应用
机器人学
2021-05-28 v1 系统与控制
系统与控制
摘要
本文提出一种用于自动驾驶车辆非线性模型预测控制的基于学习的视觉动力学方法，称为 LVD-NMPC。LVD-NMPC 采用先验过程模型与学习的视觉动力学模型，用于计算驾驶场景的动力学、受控系统的期望状态轨迹以及由约束预测控制器优化的二次代价函数的权重增益。视觉系统定义为一个深度神经网络，用于估计图像场景的动力学。其输入基于由增强记忆组件整合的感官观测与车辆状态的历史序列。采用 Deep Q-Learning 训练该深度网络，训练完成后亦可用来计算车辆的期望轨迹。我们在仿真环境 GridSim、真实世界 1:8 比例模型车、真实尺寸自动驾驶测试车以及 nuScenes 计算机视觉数据集上，将 LVD-NMPC 与采用标准 NMPC 的基线 Dynamic Window Approach (DWA) 路径规划以及 PilotNet 神经网络进行对比评估。
引用
@article{arxiv.2105.13038,
title = {LVD-NMPC: A Learning-based Vision Dynamics Approach to Nonlinear Model Predictive Control for Autonomous Vehicles},
author = {Sorin Grigorescu and Cosmin Ginerica and Mihai Zaha and Gigel Macesanu and Bogdan Trasnea},
journal= {arXiv preprint arXiv:2105.13038},
year = {2021}
}