基于超参数优化方案的自主赛车系统模型参数辨识
机器人学
2023-08-08 v5 机器学习
系统与控制
系统与控制
摘要
在本文中，我们提出一种通过超参数优化方案（MI-HPO）的模型参数辨识方法。我们的方法采用高效的探索-利用策略，以数据驱动的优化方式辨识动态模型的参数。我们将该方法用于全尺寸自主赛车 AV-21 的模型参数辨识，并将优化后的参数用于我们平台的基于模型的规划与控制系统设计。实验中，MI-HPO 比传统参数辨识方法收敛快 13 倍以上。此外，通过 MI-HPO 学习的参数化模型对给定数据集具有良好的拟合度，并在未见的动态场景中展现出泛化能力。我们进一步开展了大量实地测试以验证基于模型的系统，在印第安纳波利斯赛车场和拉斯维加斯赛车场实现了稳定的避障与高达 217 km/h 的高速行驶。我们的工作源代码与测试视频可在 https://github.com/hynkis/MI-HPO 获取。
引用
@article{arxiv.2301.01470,
title = {Model Parameter Identification via a Hyperparameter Optimization Scheme for Autonomous Racing Systems},
author = {Hyunki Seong and Chanyoung Chung and David Hyunchul Shim},
journal= {arXiv preprint arXiv:2301.01470},
year = {2023}
}
备注
6 pages, 8 figures. Published in IEEE Control Systems Letters (L-CSS)