面向自动驾驶车辆 GPU 加速运动规划的神经网络参数空间在线采样
机器人学
2019-04-16 v1 系统与控制
摘要
本文提出面向自动驾驶车辆 GPU 加速运动规划的神经网络参数空间在线采样。神经网络被用作控制器参数化，因为它们能够处理非线性非凸系统，且其复杂度不随预测时域长度而扩展。网络参数化在每个采样时刻被采样，然后在预测时域内保持恒定。由于输入网络的特征向量不断变化，控制量在预测时域内仍然变化。全尺寸车辆由多面体建模。在障碍物点数据及其在恒定速度假设下沿预测时域外推的假设下，碰撞避免化简为线性不等式检验。转向与纵向加速度控制被同时确定。所提方法专为并行化设计，因此非常适合从 GPU 等硬件的持续进步中获益。所提方法的特性在 5 个数值仿真实验中得到展示，包括动态障碍物规避、需要最大转向的前进与倒车交替行驶的路点跟踪，以及一项倒车泊车场景。
引用
@article{arxiv.1904.06680,
title = {Online Sampling in the Parameter Space of a Neural Network for GPU-accelerated Motion Planning of Autonomous Vehicles},
author = {Mogens Graf Plessen},
journal= {arXiv preprint arXiv:1904.06680},
year = {2019}
}
备注
8 pages, 8 figures, 3 tables, conference paper