基于深度强化学习的颠簸地形车辆垂直运动稳定化
机器人学
2024-09-24 v1
摘要
稳定道路及越野车辆的垂直动力学是一个重要的研究领域，以往多从乘坐舒适性的角度进行研究。自动驾驶车辆的出现将重心转向从车载本体感受和外感受传感器的角度开发稳定化技术，这些传感器的实时测量影响自动驾驶车辆的性能。当前解决管理垂直振荡问题的方案通常局限于主动悬架系统范畴，而很少考虑调节车辆速度，但由于地面车辆的垂直与纵向动力学是耦合的，车速调节实际上起着重要作用。对于军用地面车辆而言，由于越野场景中缺乏城市道路或高速公路等结构化环境，稳定垂直振荡的任务变得更具挑战性。此外，车辆结构参数的变化（如由于车辆载荷变化引起的质量、悬架刚度和阻尼值的变化）会对控制器性能产生显著影响。这就需要开发基于深度学习的控制策略，以处理极大数量的输入特征并近似得到接近最优的控制动作。在本研究中，通过训练深度强化学习智能体来控制缩放车辆在颠簸路面行驶时的速度，以最小化其垂直加速度，从而解决了上述问题。
引用
@article{arxiv.2409.14207,
title = {Stabilization of vertical motion of a vehicle on bumpy terrain using deep reinforcement learning},
author = {Ameya Salvi and John Coleman and Jake Buzhardt and Venkat Krovi and Phanindra Tallapragada},
journal= {arXiv preprint arXiv:2409.14207},
year = {2024}
}