論文の概要: Multi-Step Deep Koopman Network (MDK-Net) for Vehicle Control in Frenet Frame
- arxiv url: http://arxiv.org/abs/2503.03002v1
- Date: Tue, 04 Mar 2025 20:57:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-06 15:50:41.854254
- Title: Multi-Step Deep Koopman Network (MDK-Net) for Vehicle Control in Frenet Frame
- Title（参考訳）: フリーネットフレームにおける車両制御のためのマルチステップディープクープマンネットワーク(MDK-Net)
- Authors: Mohammad Abtahi, Mahdis Rabbani, Armin Abdolmohammadi, Shima Nazari,
- Abstract要約: 本稿では、深層ニューラルネットワークを用いて全車動特性を捉える、新しいディープラーニングベースのクープマンモデリング手法を提案する。
二重車線変更操作において, 同定線形モデルと比較して, クープマンモデルの精度が優れていることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The highly nonlinear dynamics of vehicles present a major challenge for the practical implementation of optimal and Model Predictive Control (MPC) approaches in path planning and following. Koopman operator theory offers a global linear representation of nonlinear dynamical systems, making it a promising framework for optimization-based vehicle control. This paper introduces a novel deep learning-based Koopman modeling approach that employs deep neural networks to capture the full vehicle dynamics-from pedal and steering inputs to chassis states-within a curvilinear Frenet frame. The superior accuracy of the Koopman model compared to identified linear models is shown for a double lane change maneuver. Furthermore, it is shown that an MPC controller deploying the Koopman model provides significantly improved performance while maintaining computational efficiency comparable to a linear MPC.
- Abstract（参考訳）: 車両の高非線形ダイナミクスは、経路計画と追従における最適およびモデル予測制御(MPC)アプローチの実践的実装において大きな課題となる。
クープマン作用素理論は非線形力学系の大域的線形表現を提供し、最適化に基づく車両制御のための有望な枠組みである。
本稿では,深層ニューラルネットワークを用いた新しい深層学習に基づくクープマンモデリング手法を提案する。
二重車線変更操作において, 同定線形モデルと比較して, クープマンモデルの精度が優れていることを示す。
さらに,KoopmanモデルをデプロイするMPCコントローラは,線形MPCに匹敵する計算効率を維持しつつ,性能を著しく向上することを示した。
関連論文リスト
- A scalable adaptive deep Koopman predictive controller for real-time optimization of mixed traffic flow [12.109370996788654]
本研究では,混合交通流の制御のための適応型深層クープマン予測制御フレームワーク(AdapKoopPC)を提案する。
AdapKoopnetは、ベースライン非線形モデルよりも正確なHDV予測軌道を提供する。
論文 参考訳（メタデータ） (2025-01-27T14:28:20Z) - MetaFollower: Adaptable Personalized Autonomous Car Following [63.90050686330677]
適応型パーソナライズされた自動車追従フレームワークであるMetaFollowerを提案する。
まず,モデルに依存しないメタラーニング(MAML)を用いて,様々なCFイベントから共通運転知識を抽出する。
さらに、Long Short-Term Memory (LSTM) と Intelligent Driver Model (IDM) を組み合わせて、時間的不均一性を高い解釈性で反映する。
論文 参考訳（メタデータ） (2024-06-23T15:30:40Z) - Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection [4.248022697109535]
我々は,LRAN(Linear Recurrent Autoencoder Network)と呼ばれるクープマンにインスパイアされたアーキテクチャを用いて,対流中の低次ダイナミクスを学習する。
従来の流体力学法であるKernel Dynamic Mode Decomposition (KDMD)を用いてLRANを比較する。
我々は,最も乱流条件下では,KDMDよりもLRANの方が正確な予測値を得た。
論文 参考訳（メタデータ） (2024-05-10T12:15:02Z) - Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated
Control Form and NMPC Case Study [56.283944756315066]
そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。
ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
論文 参考訳（メタデータ） (2024-01-09T11:54:54Z) - A Tricycle Model to Accurately Control an Autonomous Racecar with Locked
Differential [71.53284767149685]
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。
論文 参考訳（メタデータ） (2023-12-22T16:29:55Z) - Real-time Neural-MPC: Deep Learning Model Predictive Control for
Quadrotors and Agile Robotic Platforms [59.03426963238452]
モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。
ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
論文 参考訳（メタデータ） (2022-03-15T09:38:15Z) - Autoregressive Dynamics Models for Offline Policy Evaluation and
Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。
また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文 参考訳（メタデータ） (2021-04-28T16:48:44Z) - A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。
提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
論文 参考訳（メタデータ） (2021-03-01T06:47:29Z) - Iterative Semi-parametric Dynamics Model Learning For Autonomous Racing [2.40966076588569]
本稿では,ニューラルネットワークを用いた反復学習セミパラメトリックモデルを自律レースの課題に適用する。
我々のモデルは純粋にパラメトリックモデルよりも正確に学習でき、純粋に非パラメトリックモデルよりもより一般化できることを示す。
論文 参考訳（メタデータ） (2020-11-17T16:24:10Z) - TS-MPC for Autonomous Vehicle using a Learning Approach [0.0]
車両力学の高木スジェノ(TS)表現をデータ駆動で学習する。
TSモデリングに対処するために、適応型ニューロファジィ推論システム(ANFIS)を用いる。
提案手法は,外部プランナのレースベース参照とMHEからの推定により提案される。
論文 参考訳（メタデータ） (2020-04-29T17:42:33Z)
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。