跳到正文
arXiv · 机器人与计算机视觉· Mohamed Sabaa, Mostafa Emam·· 2026-10-07精选AI 评分78

能量感知路径跟踪:电动汽车上强化学习与 NMPC 的比较分析

Energy-Aware Path Following: Comparative Analysis of Reinforcement Learning and NMPC for Electric Vehicles

AI 导读

该研究针对电动汽车通过再生制动回收能量的特性,对比分析了四种控制器(NMPC、PPO、PID-SF 和 Stanley)在统一运动学模型下的表现。作者使用 JIT 编译的 CasADi 实现 NMPC 以满足实时性要求,并训练 PPO 策略使其能直接迁移到未见的赛道(如 ISO 3888-1 变道、发卡弯及随机参数样条曲线)以及动态单轨车辆模型。

推荐理由

本文对比了 NMPC 与 PPO 等控制器在电动汽车路径跟踪中的表现,验证了基于强化学习的策略在无微调情况下对动态车辆模型及复杂路况的零样本迁移能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org