VeMo：一种用于建模车辆动力学的轻量级数据驱动方法
机器人学
2025-10-10 v1 机器学习
动力系统
摘要
为高性能车辆开发动态模型是一个复杂问题，需要关于分析系统的广泛结构信息。这些信息对未设计该车辆的人通常不可用，代表了自动驾驶应用中的典型问题，自动驾驶应用通常基于现有车辆开发；因此，车辆模型是在信息匮乏条件下开发的。本文提出了一种基于门控循环单元层的轻量级编码器-解码器模型，用于关联车辆未来状态与其在车载测量的过去状态以及驾驶员执行的控制动作。结果表明，该模型在极端动态条件下实现了低于2.6%的最大平均相对误差。它在感兴趣频率分量上受到噪声输入数据时也表现出良好的鲁棒性。此外，该模型完全数据驱动且不受物理约束，在输出信号中表现出物理一致性，如纵向和横向加速度、偏航率和车辆的纵向速度。
引用
@article{arxiv.2510.07447,
title = {VeMo: A Lightweight Data-Driven Approach to Model Vehicle Dynamics},
author = {Girolamo Oddo and Roberto Nuca and Matteo Parsani},
journal= {arXiv preprint arXiv:2510.07447},
year = {2025}
}