面向安全鲁棒的自动驾驶车辆编队：自组织协同控制框架
机器人学
2026-04-07 v3
摘要
在人类驾驶车辆（HDV）与自动驾驶车辆（AV）共存的混合交通环境中，实现自动驾驶车辆编队的安全鲁棒决策仍是一项复杂挑战。现有的编队系统通常在动态编队管理和适应性方面存在困难，尤其是在复杂动态的混合交通条件下。为增强混合交通环境中的自动驾驶车辆编队，本文提出了TriCoD——一种双世界安全增强的数据-模型-知识三重驱动协同决策框架。该框架将深度强化学习（DRL）与模型驱动方法相集成，通过安全优先的双世界推理机制实现动态编队解散与重构。DRL组件增强了传统的模型驱动方法，尤其在紧急条件下提升了安全性和运行效率。此外，自适应切换机制使系统能够根据实时交通需求在数据驱动与模型驱动策略之间无缝切换，从而优化决策能力和适应性。仿真实验和硬件在环测试表明，所提出的框架显著提升了安全性、鲁棒性和灵活性。
引用
@article{arxiv.2408.09468,
title = {Towards Safe and Robust Autonomous Vehicle Platooning: A Self-Organizing Cooperative Control Framework},
author = {Chengkai Xu and Zihao Deng and Jiaqi Liu and Aijing Kong and Yu Tang and Chao Huang and Peng Hang},
journal= {arXiv preprint arXiv:2408.09468},
year = {2026}
}