基于半定松弛ADMM的网联自动驾驶车辆协同规划与控制
多智能体系统
2021-01-05 v1 系统与控制
系统与控制
摘要
本文研究了多种网联自动驾驶车辆（CAVs）在不同场景下的协同规划与控制问题。现有文献中的大多数方法在计算效率方面存在显著问题。此外，由于优化问题是非线性且非凸的，通常难以确定最优解。为解决此问题，本文利用交替方向乘子法（ADMM）提出了一种新颖且完全并行计算的框架。自动驾驶问题中的非线性非凸优化问题可被划分为两个易于处理的子问题；所得子问题可在并行框架中使用有效的优化方法求解。其中，微分动态规划（DDP）算法能够较为有效地处理系统动力学的非线性；而小维度的非凸耦合约束可通过引入半定松弛（SDR）的概念进行近似，其也能在极短时间内求解。得益于并行计算与非凸约束的高效松弛，我们所提方法有效实现了实时应用，从而也提供了额外的驾驶安全保障。此外，采用两个多CAV交通场景说明了所提方法的有效性与高效性。
引用
@article{arxiv.2101.00201,
title = {Semi-Definite Relaxation Based ADMM for Cooperative Planning and Control of Connected Autonomous Vehicles},
author = {Xiaoxue Zhang and Zilong Cheng and Jun Ma and Sunan Huang and Frank L. Lewis and Tong Heng Lee},
journal= {arXiv preprint arXiv:2101.00201},
year = {2021}
}
备注
11 pages, 8 figures