NPC：面向燃油经济性自动驾驶卡车的神经预测控制
机器人学
2024-12-19 v1 人工智能
摘要
燃油经济性是燃油卡车长途货物运输的关键方面，能够节约成本并减少碳排放。当前的预测控制方法依赖于车辆动力学和发动机的精确模型，包括重量、阻力系数以及发动机的制动比油耗（BSFC）图。我们提出一种纯数据驱动方法——神经预测控制（NPC），该方法不使用任何车辆的物理模型。在使用超过 20,000 公里的历史数据进行训练后，新提出的 NVFormer 利用注意力机制隐式建模了车辆动力学、道路坡度、燃油消耗与控制指令之间的关系。基于当前货运行程过去的在线采样基元以及基于锚点的未来数据合成，NVFormer 能够推断出合理燃油消耗下的最优控制指令。无物理模型的 NPC 在仿真和开放道路高速公路测试中分别比基础 PCC 方法多实现了 2.41% 和 3.45% 的显著节油效果。
关键词
引用
@article{arxiv.2412.13618,
title = {NPC: Neural Predictive Control for Fuel-Efficient Autonomous Trucks},
author = {Jiaping Ren and Jiahao Xiang and Hongfei Gao and Jinchuan Zhang and Yiming Ren and Yuexin Ma and Yi Wu and Ruigang Yang and Wei Li},
journal= {arXiv preprint arXiv:2412.13618},
year = {2024}
}
备注
7 pages, 6 figures, for associated mpeg file, see https://www.youtube.com/watch?v=hqgpj7LhiL4