Towards Safe and Robust Autonomous Vehicle Platooning: A Self-Organizing Cooperative Control Framework

要約

人間運転車両 (HDV) と自動運転車両 (AV) の両方を含む新興のハイブリッド交通フロー環境では、自動運転車両の隊列走行を効果的に運用するには、安全で堅牢な意思決定と制御を確保することが重要です。
協調型アダプティブクルーズコントロールと車線変更のための現在のシステムは、現実世界の緊急事態に対応するには不十分であり、自動運転車両の隊列走行技術の可能性を制限しています。
前述の課題に対処するために、我々は、ツインワールドの安全性が強化されたデータモデル知識ハイブリッド駆動の自律車両隊列走行協調制御フレームワークを提案します。
この枠組み内で,交通事前分布を統合した深層強化学習形成決定モデルを設計し,安全優先度の判断に基づく双世界演繹モデルを提案した。
続いて、最適制御に基づくマルチシナリオ意思決定制御権適応切り替えメカニズムを設計し、データ駆動型とモデル駆動型の方法間の適応切り替えを実現します。
シミュレーション実験とハードウェアインループテストを通じて、当社のアルゴリズムは安全性、堅牢性、柔軟性の点で優れたパフォーマンスを実証しました。
モデルの検証結果の詳細な説明は、\url{https://perfectxu88.github.io/towardssafeandrobust.github.io/} にあります。

要約(オリジナル)

In the emerging hybrid traffic flow environment, which includes both human-driven vehicles (HDVs) and autonomous vehicles (AVs), ensuring safe and robust decision-making and control is crucial for the effective operation of autonomous vehicle platooning. Current systems for cooperative adaptive cruise control and lane changing are inadequate in responding to real-world emergency situations, limiting the potential of autonomous vehicle platooning technology. To address the aforementioned challenges, we propose a Twin-World Safety-Enhanced Data-Model-Knowledge Hybrid-Driven autonomous vehicle platooning Cooperative Control Framework. Within this framework, a deep reinforcement learning formation decision model integrating traffic priors is designed, and a twin-world deduction model based on safety priority judgment is proposed. Subsequently, an optimal control-based multi-scenario decision-control right adaptive switching mechanism is designed to achieve adaptive switching between data-driven and model-driven methods. Through simulation experiments and hardware-in-loop tests, our algorithm has demonstrated excellent performance in terms of safety, robustness, and flexibility. A detailed account of the validation results for the model can be found in \url{https://perfectxu88.github.io/towardssafeandrobust.github.io/}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google