この記事では、都市自動運転におけるモーションプランニングと制御のための新しい学習ベースのMPCフレームワークが提案されています。このフレームワークでは、即座の参照値とコスト関数がオンラインMPCから学習され、交通状況や安全条件が考慮されます。深層強化学習(DRL)フレームワークを使用してポリシー検索が実装され、トラフィックを理解し、オンラインMPCに即座な参照値を提供します。提案手法は高精度シミュレータで検証され、複雑でダイナミックな交通に対する適応性が示されます。さらに、実際の展開も行われ、提案されたフレームワークの汎用性が評価されます。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Yubin Wang,Z... at arxiv.org 02-29-2024
https://arxiv.org/pdf/2308.15808.pdfDeeper Inquiries