Experimental investigation of a maneuver selection algorithm for vehicles in low adhesion conditions

要約

地面に氷や雪が存在することを特徴とする冬の状況は、交通事故につながる可能性が高くなります。
この論文は、1/5 スケールの自動車プラットフォームを使用した、低粘着条件での操縦選択スキームの実験的な概念実証を示します。
提案されたアプローチでは、モデルベースの推定器が最初に IMU、LIDAR、およびエンコーダーの高次元センサー データを処理して、車両の慣性速度 $v$ や摩擦係数 $ など、物理的に関連する車両および地面の状態パラメーターを推定します。
\mu$、凝集力 $c$、内部せん断角 $\phi$。
次に、推定されたパラメーターによって特徴付けられる状況で実行する最適な操作を予測するように、データ駆動型の予測器がトレーニングされます。
実験結果は、1) 関連する地上パラメータのリアルタイム推定値を生成すること、2) 限られた一連の操縦の間で推定されたパラメータに基づいて最適な操縦を決定することが可能であることを示しています。

要約(オリジナル)

Winter conditions, characterized by the presence of ice and snow on the ground, are more likely to lead to road accidents. This paper presents an experimental proof of concept, with a 1/5th scale car platform, of a maneuver selection scheme for low adhesion conditions. In the proposed approach, a model-based estimator first processes the high-dimensional sensors data of the IMU, LIDAR and encoders to estimate physically relevant vehicle and ground conditions parameters such as the inertial velocity of the vehicle $v$, the friction coefficient $\mu$, the cohesion $c$ and the internal shear angle $\phi$. Then, a data-driven predictor is trained to predict the optimal maneuver to perform in the situation characterized by the estimated parameters. Experimental results show that it is possible to 1) produce a real-time estimate of the relevant ground parameters, and 2) determine an optimal maneuver based on the estimated parameters between a limited set of maneuvers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google