論文の概要: A Tricycle Model to Accurately Control an Autonomous Racecar with Locked
Differential
- arxiv url: http://arxiv.org/abs/2312.14808v1
- Date: Fri, 22 Dec 2023 16:29:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 14:30:31.178790
- Title: A Tricycle Model to Accurately Control an Autonomous Racecar with Locked
Differential
- Title(参考訳): レースカーのロック差分を正確に制御する三輪車モデル
- Authors: Ayoub Raji, Nicola Musiu, Alessandro Toschi, Francesco Prignoli,
Eugenio Mascaro, Pietro Musso, Francesco Amerotti, Alexander Liniger, Silvio
Sorrentino, Marko Bertogna
- Abstract要約: 自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。
本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
- 参考スコア(独自算出の注目度): 71.53284767149685
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a novel formulation to model the effects of a
locked differential on the lateral dynamics of an autonomous open-wheel
racecar. The model is used in a Model Predictive Controller in which we
included a micro-steps discretization approach to accurately linearize the
dynamics and produce a prediction suitable for real-time implementation. The
stability analysis of the model is presented, as well as a brief description of
the overall planning and control scheme which includes an offline trajectory
generation pipeline, an online local speed profile planner, and a low-level
longitudinal controller. An improvement of the lateral path tracking is
demonstrated in preliminary experimental results that have been produced on a
Dallara AV-21 during the first Indy Autonomous Challenge event on the Monza F1
racetrack. Final adjustments and tuning have been performed in a high-fidelity
simulator demonstrating the effectiveness of the solution when performing close
to the tire limits.
- Abstract(参考訳): 本稿では,自律オープンホイールレースカーの側方ダイナミクスに対するロックド・ディファレンシャルの効果をモデル化する新しい定式化法を提案する。
このモデルはモデル予測コントローラで使用されており、マイクロステップ離散化アプローチを用いてダイナミクスを正確に線形化し、リアルタイム実装に適した予測を生成する。
モデルの安定性解析と,オフライン軌道生成パイプライン,オンライン局所速度プロファイルプランナ,低レベル縦型コントローラを含む全体計画制御スキームの概要について述べる。
横道追跡の改善は、モンツァF1レーストラックでの最初のインディ自律チャレンジイベントでダララ AV-21で生産された予備的な実験結果で実証された。
タイヤリミットに近い動作を行う場合の解の有効性を実証する高忠実度シミュレータにおいて, 最終調整およびチューニングを行った。
関連論文リスト
- RACER: Rational Artificial Intelligence Car-following-model Enhanced by
Reality [51.244807332133696]
本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。
従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。
RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
論文 参考訳(メタデータ) (2023-12-12T06:21:30Z) - DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。
DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。
適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
論文 参考訳(メタデータ) (2023-10-13T12:22:31Z) - Autonomous Drifting with 3 Minutes of Data via Learned Tire Models [19.549514141225863]
本稿では,ニューラル常微分方程式とニューラル-ExpTanhパラメータ化に基づくタイヤ力モデルを提案する。
カスタマイズされたToyota Supraによる実験では、高速な自律ドリフトを実現するのに十分な量の運転データが不足していることが示されている。
論文 参考訳(メタデータ) (2023-06-10T01:59:38Z) - Learning Terrain-Aware Kinodynamic Model for Autonomous Off-Road Rally
Driving With Model Predictive Path Integral Control [4.23755398158039]
本稿では,固有受容情報と外部受容情報の両方に基づいて,地形を考慮したキノダイナミクスモデルを学習する手法を提案する。
提案モデルでは、6自由度運動の信頼性予測が生成され、接触相互作用を推定することもできる。
シミュレーションされたオフロードトラック実験により提案手法の有効性を実証し,提案手法がベースラインより優れていることを示す。
論文 参考訳(メタデータ) (2023-05-01T06:09:49Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳(メタデータ) (2022-07-22T15:16:54Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳(メタデータ) (2022-06-07T13:51:35Z) - Incorporating Orientations into End-to-end Driving Model for Steering
Control [12.163394005517766]
本稿では,自動運転のための深層ニューラルネットワークモデルを提案する。
単眼画像シーケンスを入力として取得し、直接ステアリング制御角度を生成します。
私たちのデータセットには、都市、国、オフロードなどの複数の運転シナリオが含まれます。
論文 参考訳(メタデータ) (2021-03-10T03:14:41Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳(メタデータ) (2020-11-14T01:27:32Z) - Robust Behavioral Cloning for Autonomous Vehicles using End-to-End
Imitation Learning [0.4588028371034407]
本稿では、エンド・ツー・エンドの模倣学習を用いて、人間の運転者の頑健な行動クローンのための軽量パイプラインを提案する。
提案されたパイプラインは、シミュレートされた車両に3つの異なる運転行動モデルの訓練と展開に使用された。
論文 参考訳(メタデータ) (2020-10-09T19:03:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。