跳到正文
arXiv · 机器人与计算机视觉· Hooman Hamze, Benjamin Houshmand, Deepthi Pathare, Erik B\"orve, Morteza Haghir Chehreghani, Nikolce Murgovski·· 20 天前AI 评分63

重型卡车交互式高速交通的短时视界模型预测控制学习终端代价

Learned Terminal Costs for Short-Horizon Model Predictive Control of Autonomous Trucks in Interactive Highway Traffic

AI 导读

针对重型卡车在高速公路上自主驾驶的控制挑战,本文提出一种混合模型预测控制(MPC)与强化学习(RL)框架。该框架利用动态规划求解有限视界 MPC,并引入预训练的 RL 模型来估计终端代价,以平衡安全约束与长期决策效率。研究在包含反应性周围交通的仿真环境中进行了评估,结果显示该方法实现了零碰撞且成本最低,优于纯 MPC、基策略 rollout 及纯 RL 方案。

来源:arXiv · 机器人与计算机视觉 · arxiv.org