Learning a Stable, Safe, Distributed Feedback Controller for a Heterogeneous Platoon of Autonomous Vehicles

要約

自動運転車の隊列走行は、高速道路での安全性と燃料効率を向上させる可能性があります。
隊列走行の目的は、各車両が隣の車両と安全な距離を保ちながら、指定された速度 (リーダーが設定) で走行することです。
これまでの多くの研究では、隊列走行用のさまざまなコントローラー、最も一般的には線形フィードバックおよび分散モデル予測コントローラーが分析されてきました。
この研究では、異種小隊向けの安定した安全な分散コントローラーを学習するためのアルゴリズムを紹介します。
私たちのアルゴリズムは、ニューラル ネットワークの安定性証明書の学習における最近の開発に依存しています。
私たちはシミュレーションで自律隊列走行用のコントローラーをトレーニングし、4 台の F1Tenth 車両の隊列を​​使用してハードウェア上でそのパフォーマンスを評価します。
次に、100 台の小隊を使用したシミュレーションでさらなる分析を実行します。
実験結果は、ニューラル ネットワーク コントローラーのパフォーマンスを線形フィードバックおよび分散モデル予測コントローラーと比較することにより、アルゴリズムと学習済みコントローラーの実用性を示しています。

要約(オリジナル)

Platooning of autonomous vehicles has the potential to increase safety and fuel efficiency on highways. The goal of platooning is to have each vehicle drive at a specified speed (set by the leader) while maintaining a safe distance from its neighbors. Many prior works have analyzed various controllers for platooning, most commonly linear feedback and distributed model predictive controllers. In this work, we introduce an algorithm for learning a stable, safe, distributed controller for a heterogeneous platoon. Our algorithm relies on recent developments in learning neural network stability certificates. We train a controller for autonomous platooning in simulation and evaluate its performance on hardware with a platoon of four F1Tenth vehicles. We then perform further analysis in simulation with a platoon of 100 vehicles. Experimental results demonstrate the practicality of the algorithm and the learned controller by comparing the performance of the neural network controller to linear feedback and distributed model predictive controllers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google