Trajectory Tracking Using Frenet Coordinates with Deep Deterministic Policy Gradient

要約

本論文では,軌道追跡タスクにおけるDDPGアルゴリズムの適用を研究し,フレネ座標系と組み合わせた軌道追跡制御法を提案する。
この方法は、車両の位置と速度の情報をデカルト座標系からフレネ座標系に変換することにより、道路の中心線に対する車両の偏差と移動距離をより正確に記述することができます。
DDPG アルゴリズムは、Actor-Critic フレームワークを採用し、戦略と価値評価にディープ ニューラル ネットワークを使用し、エクスペリエンス再生メカニズムとターゲット ネットワークを組み合わせて、アルゴリズムの安定性とデータ利用効率を向上させます。
実験結果は、フレネ座標系に基づく DDPG アルゴリズムが複雑な環境での軌道追跡タスクで優れた性能を発揮し、高精度で安定した経路追跡を実現し、自動運転や高度道路交通システムへの応用可能性を実証していることを示しています。
キーワード – DDPG;
パス追跡。
ロボットナビゲーション

要約(オリジナル)

This paper studies the application of the DDPG algorithm in trajectory-tracking tasks and proposes a trajectorytracking control method combined with Frenet coordinate system. By converting the vehicle’s position and velocity information from the Cartesian coordinate system to Frenet coordinate system, this method can more accurately describe the vehicle’s deviation and travel distance relative to the center line of the road. The DDPG algorithm adopts the Actor-Critic framework, uses deep neural networks for strategy and value evaluation, and combines the experience replay mechanism and target network to improve the algorithm’s stability and data utilization efficiency. Experimental results show that the DDPG algorithm based on Frenet coordinate system performs well in trajectory-tracking tasks in complex environments, achieves high-precision and stable path tracking, and demonstrates its application potential in autonomous driving and intelligent transportation systems. Keywords- DDPG; path tracking; robot navigation

arxiv情報

提供元, 利用サービス

arxiv.jp, Google