车辆横向动力学的神经L1自适应控制
机器人学
2024-05-28 v1
摘要
我们解决了具有横向误差动力学的车辆的稳定鲁棒控制问题，用于车道保持应用。车道偏离是道路交通事故中一半死亡的主要原因，因此开发稳定、自适应和鲁棒的控制器是必要的。传统的线性反馈控制器实现了令人满意的跟踪性能，但当系统中引入不确定性时，它们会表现出不稳定的行为。任何对转向角输入的干扰或不确定性都可能对车辆造成灾难性后果。因此，必须开发能够主动处理此类不确定性的控制器。在这项工作中，我们引入了一种神经L1自适应控制器（Neural-L1），它学习前轮转向阿克曼车辆的横向误差动力学中的不确定性，并保证稳定性和鲁棒性。我们的贡献有三方面：i) 我们将传统L1自适应控制器的保证稳定性和鲁棒性的理论结果扩展到Neural-L1；ii) 我们为车道保持应用实现了一个Neural-L1，它准确地学习了动力学中的不确定性；iii) 我们在基于物理的模拟器PyBullet上评估了Neural-L1的性能，并使用F1TENTH平台进行了广泛的真实世界实验，以证明在存在不确定性的情况下，Neural-L1相比其他最先进控制器具有优越的参考轨迹跟踪性能。我们的项目页面，包括补充材料和视频，可以在https://mukhe027.github.io/Neural-Adaptive-Control/找到。
引用
@article{arxiv.2405.16358,
title = {Neural L1 Adaptive Control of Vehicle Lateral Dynamics},
author = {Pratik Mukherjee and Burak M. Gonultas and O. Goktug Poyrazoglu and Volkan Isler},
journal= {arXiv preprint arXiv:2405.16358},
year = {2024}
}