


Ausführliche Erläuterung häufig verwendeter Steuerungsmethoden für die Planung und Steuerung intelligenter Autos
Kontrolle ist die Strategie, die das Fahrzeug vorantreibt. Ziel der Regelung ist es, mit realisierbaren Regelgrößen Abweichungen von der Soll-Trajektorie zu minimieren, den Fahrgastkomfort zu maximieren etc.
Wie in der Abbildung oben gezeigt, umfassen die mit der Eingabe des Steuermoduls verbundenen Module Planungsmodul, Positionierungsmodul und Fahrzeuginformationen usw. Das Positionierungsmodul liefert Informationen zum Fahrzeugstandort, das Planungsmodul liefert Informationen zur Zielbahn und zu den Fahrzeuginformationen gehören Gang, Geschwindigkeit, Beschleunigung usw. Die Steuerausgänge sind Lenk-, Beschleunigungs- und Bremsgrößen.
Das Steuermodul ist hauptsächlich in horizontale Steuerung und vertikale Steuerung unterteilt. Je nach Kopplungsform kann es in zwei Methoden unterteilt werden: unabhängig und integriert.
1 Steuerungsmethode
1.1 Entkopplungssteuerung
Die sogenannte Entkopplungssteuerung bedeutet, die horizontalen und vertikalen Steuerungsmethoden unabhängig voneinander zu steuern.
1.2 Kopplungssteuerung
Die Kopplungssteuerung berücksichtigt die Kopplungsprobleme, die bei der horizontalen und vertikalen Steuerung bestehen. Ein typisches Beispiel ist, dass ein Auto nicht mit hoher Geschwindigkeit kurven fahren kann, da bei zu hoher Längsgeschwindigkeit die seitliche Winkelgeschwindigkeit begrenzt werden muss, da sonst die Zentripetalkraft die Zentripetalbeschleunigung nicht befriedigen kann.
Die typische repräsentative Methode der horizontalen und vertikalen Integration ist die lineare zeitvariable modellprädiktive Steuerung. Diese Methode fügt horizontale und vertikale Gelenkbeschränkungen auf der Grundlage der modellprädiktiven Steuerung hinzu. Wie maximale Zentripetalbeschleunigungsbeschränkungen usw.
1.3 Querkontrolle
Wie in der Abbildung oben gezeigt, kann die Querkontrolle in geometrische Methoden, kinematische modellbasierte Methoden und dynamische modellbasierte Methoden unterteilt werden.
1.3.1 Feedforward-Steuerung
Die sogenannte Feedforward-Steuerung bedeutet, den Steuerbetrag im Voraus basierend auf den Tracking-Point-Informationen angemessen zu kompensieren. Ein typisches Beispiel ist die Verwendung der Krümmungsinformationen in den Tracking-Sequenzpunkten, um den Drehwinkel zu kompensieren.
1.3.2 Verkettete Form
Das verkettete System führt eine mehrschichtige Linearisierung des nichtlinearen Systems durch. Es zerlegt das System Schicht für Schicht und kann das System beschleunigen, ähnlich wie das Filtersystem [3].
Das Modell des Systems in Frenet-Koordinaten:
Nach dem umgekehrten Integralbudget kann die Kontrollrate erhalten werden:
1.3.3 Lyapunov
Basierend auf Li Yap. Der Entwurf der Nove-Stabilitätsmethode kann auf kinematische und dynamische Modelle angewendet werden. Die Grundidee besteht darin, zunächst ein kinematisches oder dynamisches Modell zu erstellen, eine auf dem Modell basierende Verfolgungsmethode vorzuschlagen und dann eine Lyapunov-Funktion zu erstellen, um die asymptotische Stabilität des Systems mit geschlossenem Regelkreis durch Lyapunov-Stabilität zu beweisen [4].
- Kinematisches Modell
Wie in der Abbildung oben gezeigt, ist der aktuelle Punkt des Fahrzeugs P und der Tracking-Zielpunkt Pr. ist die Posendifferenz zwischen der aktuellen Position und dem Zielpunkt und sind die Referenzgeschwindigkeit bzw. Winkelgeschwindigkeit. Entwerfen Sie die Lyapunov-Funktion:
Tracking-Rate-Design:
Schließlich wird durch Begrenzen der Einschränkungsdesignparameter die asymptotische Stabilität der Tracking-Rate bewiesen, d. h. wenn → ∞, → 0 .
- Dynamisches Modell
Erstellen Sie zunächst das kinetische Modell:
wobei:
Reihenfolge
Dann ist der Fehler:
Designkostenfunktion:
Designkontrollrate:
Beweisen Sie abschließend die asymptotische Stabilität.
1.3.4 Pure Pursuit
Pure Tracking ist ein geometrischer Pfadverfolgungscontroller. Dieser Controller nutzt die geometrische Beziehung zwischen der Fahrzeugbewegung und dem Referenzpfad, um den Controller des Referenzpfads zu verfolgen. Bei dieser Steuermethode wird die Mitte der Hinterachse des Fahrzeugs als Referenzpunkt verwendet.
Gemäß der obigen Abbildung kann der Vorderradwinkelbefehl abgeleitet werden:
wobei R der Wenderadius, L der Radstand des Fahrzeugs und e die aktuelle Fluglage ist des Fahrzeugs und des Zielwegpunkts in seitlicher Richtung. Der Fehler von ist die Sichtweite nach vorne und .
Gemäß den experimentellen Daten in der obigen Abbildung wird der Tracking-Jitter mit zunehmender Vorwärtsentfernung immer kleiner. Ein kürzerer Visierabstand sorgt für eine präzisere Verfolgung, während ein größerer Visierabstand für eine gleichmäßigere Verfolgung sorgt. Ein weiteres Merkmal des PurePursuit ist, dass ein zu großer Visierabstand beim Verfolgen von Kurven zu „Abbiegen“ führen kann. Der Pure Pursuit ist ein harter Kompromiss zwischen Stabilität und Tracking-Leistung.
1.3.5 Stanley
Im Gegensatz zur reinen Verfolgungs- und Verfolgungsmethode, bei der die hintere Achse als Referenzpunkt verwendet wird, verwendet der Stanley-Controller die vordere Achse als Referenzpunkt. Es berücksichtigt sowohl Kurs- als auch Seitenfehler. Der Stanley-Controller berücksichtigt nicht nur Kursfehler, sondern auch seitliche Fehler.
Gemäß der obigen Abbildung kann der Vorderradwinkelbefehl abgeleitet werden:
Gemäß den experimentellen Daten in der obigen Abbildung erhöht sich die Trackingleistung mit zunehmendem k auch verbessern. Stanley verfügt nicht über genügend Stabilität wie Pure Pursuit, wenn die Fahrzeuggeschwindigkeit zunimmt.
1.3.6 LQR
Die auf dem Fahrzeugkinematikmodell basierende Methode ignoriert die dynamischen Eigenschaften des Fahrzeugs, sodass der Algorithmus die Stabilitätskontrolle des Fahrzeugs nicht erfüllen kann, wenn die Fahrzeuggeschwindigkeit zu hoch ist oder sich die Krümmung ändert Rate ist zu groß. Bei auf Fahrdynamikmodellen basierenden Regelungsverfahren besteht die primäre Aufgabe darin, die Fahrzeugdynamik zu modellieren. Da das genaue dynamische Modell mit zwei Freiheitsgraden nichtlinear ist, ist es zur Erleichterung von Echtzeit-Tracking-Steuerungsberechnungen normalerweise erforderlich, einige vereinfachte Näherungen auf der Grundlage des zu erhaltenden genauen dynamischen Modells mit zwei Freiheitsgraden vorzunehmen ein lineares dynamisches Modell mit zwei Freiheitsgraden.
- Fahrzeugdynamikmodell mit zwei Freiheitsgraden:
- LQR:
Der lineare quadratische Regler (LQR) ist ein Modellbasierter Controller, der verwendet den Zustand des Fahrzeugs, um den Fehler zu minimieren. Die LQR-Theorie ist die früheste und ausgereifteste Methode zur Zustandsraumgestaltung in der modernen Kontrolltheorie. LQR kann das optimale Steuergesetz der linearen Zustandsrückkopplung erhalten und ist einfach, eine optimale Regelung mit geschlossenem Regelkreis zu bilden.
LQR-optimales Design bedeutet, dass der entworfene Zustandsrückkopplungsregler K die quadratische Zielfunktion J minimieren sollte und K eindeutig durch die Gewichtsmatrizen Q und R bestimmt wird, sodass die Auswahl von Q und R besonders wichtig ist. Die folgende Formel ist die LQR-Kostenfunktion:
Anhand des Fahrzeugdynamikmodells und der LQR-Kostenfunktion kann die algebraische Riccati-Gleichung abgeleitet werden:
Schließlich lautet die Rückkopplungsmatrix Berechnet durch die iterative Riccati-Gleichung und erhält dann den optimalen Kontrollbetrag gemäß der Rückkopplungsmatrix.
1.3.7 MPC
MPC (Model Prediction Control) ist eine Art Optimierungskontrollproblem, das sich der Zerlegung längerer Zeitspannen oder sogar unendlicher Zeitspannen in mehrere kürzere Zeitspannen oder endliche Zeitspannen widmet Problem in der Zeitspanne zu erkennen und dennoch bis zu einem gewissen Grad die optimale Lösung zu verfolgen.
MPC besteht aus den folgenden drei Elementen:
- Vorhersagemodell: Das Vorhersagemodell kann Änderungen im Systemstatus in kurzer Zeit sehr gut vorhersagen.
- Online-Rolling-Optimierung: Da die vom Vorhersagemodell erzielten Ergebnisse immer noch von der tatsächlichen Situation abweichen, ist eine rollierende Optimierung erforderlich Wird verwendet, um jeden Moment für die lokale optimale Lösung unter dem Problem zu finden. Normalerweise wird eine Zielfunktion (Verlustfunktion) entworfen und in ein quadratisches Programmierproblem umgewandelt, um die optimale Lösung zu finden der neue Zustand zum nächsten Zeitpunkt. Vorhersage und Optimierung.
- Vorhersagemodell:
- Ein Vorhersagemodell kann basierend auf dem Fahrzeugdynamikmodell in LQR abgeleitet werden.
Rolloptimierung:
- MPC-Kostenfunktion:
Basierend auf dem Vorhersagemodell, den seitlichen Fahrzeugbeschränkungen und der entsprechenden Kostenfunktion Steueranweisungen können sein erhalten durch Optimierung und Lösung.
1.3.8 Vergleich horizontaler Steuerungsalgorithmen
1.4 Vertikal
Wie in der Abbildung oben gezeigt, verwendet die vertikale Steuerung im Allgemeinen die Kaskaden-PID-Steuerungsmethode.
2 Detailliertes Design
Das Design des Controllers ist wie in der Abbildung oben dargestellt, wobei Controller die Basisklasse ist und LonController, LonController und MPCController diese Basisklasse erben. LonController hat abgeleitete Unterklassen wie LQRController, LyapunovController und StanleyController.
Das obige ist der detaillierte Inhalt vonAusführliche Erläuterung häufig verwendeter Steuerungsmethoden für die Planung und Steuerung intelligenter Autos. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Mit solch einer mächtigen KI-Imitationsfähigkeit ist es wirklich unmöglich, dies zu verhindern. Hat die Entwicklung der KI mittlerweile dieses Niveau erreicht? Ihr vorderer Fuß lässt Ihre Gesichtszüge fliegen, und auf Ihrem hinteren Fuß wird genau der gleiche Ausdruck reproduziert. Starren, Augenbrauen hochziehen, schmollen, egal wie übertrieben der Ausdruck ist, alles wird perfekt nachgeahmt. Erhöhen Sie den Schwierigkeitsgrad, heben Sie die Augenbrauen höher, öffnen Sie die Augen weiter, und sogar die Mundform ist schief und der Ausdruck des Avatars kann perfekt reproduziert werden. Wenn Sie die Parameter auf der linken Seite anpassen, ändert der virtuelle Avatar auf der rechten Seite auch seine Bewegungen entsprechend, um eine Nahaufnahme von Mund und Augen zu erhalten. Man kann nicht sagen, dass die Nachahmung genau gleich ist, aber der Ausdruck ist genau derselbe gleich (ganz rechts). Die Forschung stammt von Institutionen wie der Technischen Universität München, die GaussianAvatars vorschlägt

Die Zeitschrift „ComputerWorld“ schrieb einmal in einem Artikel, dass „die Programmierung bis 1960 verschwinden wird“, weil IBM eine neue Sprache FORTRAN entwickelt hat, die es Ingenieuren ermöglicht, die benötigten mathematischen Formeln zu schreiben und sie dann dem Computer zu übermitteln, damit das Programmieren endet. Ein paar Jahre später hörten wir ein neues Sprichwort: Jeder Unternehmer kann Geschäftsbegriffe verwenden, um seine Probleme zu beschreiben und dem Computer zu sagen, was er tun soll. Mit dieser Programmiersprache namens COBOL brauchen Unternehmen keine Programmierer mehr. Später soll IBM eine neue Programmiersprache namens RPG entwickelt haben, mit der Mitarbeiter Formulare ausfüllen und Berichte erstellen können, sodass die meisten Programmieranforderungen des Unternehmens damit erfüllt werden können.

Dieser Artikel wird mit Genehmigung des öffentlichen Kontos von Autonomous Driving Heart nachgedruckt. Bitte wenden Sie sich für den Nachdruck an die Quelle. Originaltitel: MotionLM: Multi-Agent Motion Forecasting as Language Modeling Papierlink: https://arxiv.org/pdf/2309.16534.pdf Autorenzugehörigkeit: Waymo Konferenz: ICCV2023 Papieridee: Für die Sicherheitsplanung autonomer Fahrzeuge das zukünftige Verhalten zuverlässig vorhersagen der Straßenverkehrsbeamten ist von entscheidender Bedeutung. Diese Studie stellt kontinuierliche Trajektorien als Sequenzen diskreter Bewegungstokens dar und behandelt die Bewegungsvorhersage mit mehreren Agenten als eine Sprachmodellierungsaufgabe. Das von uns vorgeschlagene Modell MotionLM hat die folgenden Vorteile: Erstens

Der humanoide Roboter, der 1,65 Meter groß ist, 55 Kilogramm wiegt und über 44 Freiheitsgrade in seinem Körper verfügt, kann schnell gehen, Hindernissen schnell ausweichen, Steigungen stetig hinauf und hinunter klettern und Stößen und Störungen standhalten. Jetzt können Sie ihn mit nach Hause nehmen ! Der universelle humanoide Roboter GR-1 von Fourier Intelligence hat mit dem Vorverkauf begonnen. Der universelle humanoide Roboter Fourier GR-1 ist jetzt zum Vorverkauf geöffnet. GR-1 verfügt über eine hochgradig bionische Rumpfkonfiguration und anthropomorphe Bewegungssteuerung. Er verfügt über 44 Freiheitsgrade im gesamten Körper. Er verfügt über die Fähigkeit zu gehen, Hindernissen auszuweichen, über Hindernisse zu klettern, Abhänge zu überwinden, Störungen zu widerstehen und sich anzupassen Es handelt sich um ein allgemeines künstliches Intelligenzsystem. Offizielle Vorverkaufsseite der Website: www.fftai.cn/order#FourierGR-1# Fourier Intelligence muss neu geschrieben werden.

Kürzlich gab Huawei bekannt, dass es im September ein neues intelligentes tragbares Produkt mit dem Xuanji-Sensorsystem auf den Markt bringen wird, bei dem es sich voraussichtlich um die neueste Smartwatch von Huawei handeln wird. Dieses neue Produkt wird fortschrittliche Funktionen zur Überwachung der emotionalen Gesundheit integrieren. Das Xuanji Perception System bietet Benutzern eine umfassende Gesundheitsbewertung mit seinen sechs Merkmalen – Genauigkeit, Vollständigkeit, Geschwindigkeit, Flexibilität, Offenheit und Skalierbarkeit. Das System nutzt ein Super-Sensing-Modul und optimiert die Mehrkanal-Optikpfad-Architekturtechnologie, wodurch die Überwachungsgenauigkeit grundlegender Indikatoren wie Herzfrequenz, Blutsauerstoff und Atemfrequenz erheblich verbessert wird. Darüber hinaus hat das Xuanji Sensing System auch die Erforschung emotionaler Zustände auf Basis von Herzfrequenzdaten erweitert. Es beschränkt sich nicht nur auf physiologische Indikatoren, sondern kann auch den emotionalen Zustand und das Stressniveau des Benutzers bewerten. Es unterstützt die Überwachung von mehr als 60 Sportarten Gesundheitsindikatoren, die kardiovaskuläre, respiratorische, neurologische, endokrine,

Originaltitel: UniOcc: UnifyingVision-Centric3DOccupancyPredictionwithGeographicandSemanticRendering Bitte klicken Sie auf den folgenden Link, um das Papier anzuzeigen: https://arxiv.org/pdf/2306.09117.pdf Papieridee: In diesem technischen Bericht schlagen wir eine Lösung namens UniOCC vor, die für Vision- zentrische 3D-Belegungsvorhersagetrajektorien in CVPR2023nuScenesOpenDatasetChallenge. Bestehende Belegungsvorhersagemethoden konzentrieren sich hauptsächlich auf die Verwendung dreidimensionaler Belegungsetiketten

Was tun, wenn sich Ihre Smartwatch nicht einschalten lässt? Hier sind die verfügbaren Optionen, um das Leben Ihrer geliebten Smartwatch wiederherzustellen. CHECK POWER PLAY: Stellen Sie sich eine mit Stars besetzte Bühne mit Ihrer Smartwatch als Headliner vor, aber der Vorhang geht nicht auf, weil sie die Batterie vergessen hat! Bevor wir uns mit den Details befassen, stellen Sie sicher, dass Ihre Smartwatch nicht nur so läuft. Geben Sie ihm eine angemessene Ladezeit und wenn Sie das Gefühl haben, etwas mehr zu haben, schenken Sie ihm ein stilvolles neues Kabel – die modische Variante! Fantastischer Neustart: Wenn Sie Zweifel haben, gönnen Sie sich ein wenig Ruhe – das ist Reboot and Revival! Drücken und halten Sie diese Tasten wie ein Maestro, der eine Symphonie dirigiert. Verschiedene Smartwatches haben ihre eigenen Neustartrituale – Google ist Ihr Leitfaden. Das ist ein

Die Flugbahnvorhersage stand in den letzten zwei Jahren im Rampenlicht, aber das meiste davon konzentriert sich auf die Richtung der Fahrzeugflugbahnvorhersage. Heute wird Autonomous Driving Heart den Algorithmus für die Flugbahnvorhersage von Fußgängern auf NeurIPS – SHENet teilen. Menschliche Bewegungsmuster unterliegen in der Regel bis zu einem gewissen Grad begrenzten Regeln. Basierend auf dieser Annahme sagt SHENet die zukünftige Flugbahn einer Person voraus, indem es implizite Szenenregeln lernt. Der Artikel wurde von Autonomous Driving Heart als Original zertifiziert! Nach persönlichem Verständnis des Autors ist die Vorhersage der zukünftigen Flugbahn einer Person aufgrund der Zufälligkeit und Subjektivität menschlicher Bewegungen derzeit immer noch ein herausforderndes Problem. Allerdings variieren menschliche Bewegungsmuster in eingeschränkten Szenen häufig aufgrund von Szenenbeschränkungen (z. B. Grundrissen, Straßen und Hindernissen) und der Interaktivität von Mensch zu Mensch oder Mensch zu Objekt.
