論文の概要: Lateral tracking control of all-wheel steering vehicles with intelligent tires

• arxiv url: http://arxiv.org/abs/2602.09427v2
• Date: Wed, 11 Feb 2026 13:17:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.314242
• Title: Lateral tracking control of all-wheel steering vehicles with intelligent tires
• Title（参考訳）: インテリジェントタイヤを用いた全輪操舵車の横方向追従制御
• Authors: Luigi Romano, Ole Morten Aamo, Jan Åslund, Erik Frisk,
• Abstract要約: 本稿では,全輪操舵車のためのモデルベースで出力フィードバック型横方向追従制御手法を提案する。 分散タイヤ力学とスマートタイヤ技術を統合している。 提案するコントローラとオブザーバはODE-PDEシステムを用いた定式化に基づいている。
• 参考スコア（独自算出の注目度）: 1.453612836743437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The accurate characterization of tire dynamics is critical for advancing control strategies in autonomous road vehicles, as tire behavior significantly influences handling and stability through the generation of forces and moments at the tire-road interface. Smart tire technologies have emerged as a promising tool for sensing key variables such as road friction, tire pressure, and wear states, and for estimating kinematic and dynamic states like vehicle speed and tire forces. However, most existing estimation and control algorithms rely on empirical correlations or machine learning approaches, which require extensive calibration and can be sensitive to variations in operating conditions. In contrast, model-based techniques, which leverage infinite-dimensional representations of tire dynamics using partial differential equations (PDEs), offer a more robust approach. This paper proposes a novel model-based, output-feedback lateral tracking control strategy for all-wheel steering vehicles that integrates distributed tire dynamics with smart tire technologies. The primary contributions include the suppression of micro-shimmy phenomena at low speeds and path-following via force control, achieved through the estimation of tire slip angles, vehicle kinematics, and lateral tire forces. The proposed controller and observer are based on formulations using ODE-PDE systems, representing rigid body dynamics and distributed tire behavior. This work marks the first rigorous control strategy for vehicular systems equipped with distributed tire representations in conjunction with smart tire technologies.
• Abstract（参考訳）: タイヤ動特性の正確な評価は、タイヤの挙動がタイヤ路面における力とモーメントの生成を通じてハンドルと安定性に著しく影響を及ぼすため、自動運転車の制御戦略を進める上で重要である。 スマートタイヤ技術は、道路摩擦、タイヤ圧力、摩耗状態などの重要な変数を検知し、車両の速度やタイヤ力などの運動状態および動的状態を推定するための有望なツールとして登場した。 しかし、既存の推定と制御アルゴリズムのほとんどは経験的相関や機械学習アプローチに依存しており、広いキャリブレーションを必要とし、動作条件の変化に敏感である。 対照的に、偏微分方程式(PDE)を用いてタイヤ力学の無限次元表現を利用するモデルに基づく手法は、より堅牢なアプローチを提供する。 本稿では, タイヤ動力学とスマートタイヤ技術を統合した全輪ステアリング車両のための, モデルベースで出力フィードバック型横方向追従制御手法を提案する。 主な貢献は、低速でのマイクロシミー現象の抑制と、タイヤスリップ角度、車両運動学、および横タイヤ力の推定によって達成される力制御による経路追従の抑制である。 提案した制御器とオブザーバは、剛体力学とタイヤ分散挙動を表すODE-PDEシステムを用いた定式化に基づいている。 この研究は、スマートタイヤ技術とともに、分散タイヤ表現を備えた車両用システムの厳格な制御戦略として初めてのものである。

関連論文リスト

• High-Slip-Ratio Control for Peak Tire-Road Friction Estimation Using Automated Vehicles [9.252000699538346]
  本稿では,自動走行車両が空調動作中にピーク摩擦領域を活発に励起することのできる高スリップ比制御フレームワークを提案する。 雑音および局所空間下でのピークRFCを頑健に推定するために,ビンニングに基づく統計的予測手法を提案する。 このフレームワークは、クローズドループシミュレーションと実車実験の両方を通じて検証され、その正確性、安全性、そしてスケーラブルで費用対効果の高い道路摩擦スクリーニングの実現可能性を示す。
  論文  参考訳（メタデータ） (2026-03-10T01:34:00Z)
• Inverse-dynamics observer design for a linear single-track vehicle model with distributed tire dynamics [1.453612836743437]
  本稿では,タイヤの分散表現と標準センサから収集した情報とを線形単線モデルと組み合わせた革新的オブザーバを提案する。 シミュレーション結果から, 騒音やモデルの不確実性があっても, サイドリップ角度とタイヤ力の推定に観察者が有効であることを示す。
  論文  参考訳（メタデータ） (2026-03-08T07:05:16Z)
• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• Neural Network Tire Force Modeling for Automated Drifting [0.2999888908665658]
  本稿では,物理に基づくアプローチの代替として,前輪横力を予測するニューラルネットワークアーキテクチャを提案する。 我々はこれらのモデルを基準ドリフト軌跡を追跡するために調整された非線形モデル予測コントローラに展開する。
  論文  参考訳（メタデータ） (2024-07-18T17:58:01Z)
• 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)
• RACER: Rational Artificial Intelligence Car-following-model Enhanced by Reality [46.909086734963665]
  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)
• Unified Automatic Control of Vehicular Systems with Reinforcement Learning [64.63619662693068]
  本稿では,車載マイクロシミュレーションの合理化手法について述べる。 最小限の手動設計で高性能な制御戦略を発見する。 この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
  論文  参考訳（メタデータ） (2022-07-30T16:23:45Z)
• Self-adaptive Torque Vectoring Controller Using Reinforcement Learning [6.8390297905731625]
  トルクベクトルコントローラなどの連続直接ヨーモーメント制御システムは、車両の安定化に不可欠な部品です。 トルクベクトル制御器のパラメータを注意深くチューニングする能力は、車両の性能と安定性を著しく向上させることができる。 トルクベクトル制御のためのパラメータチューニングアルゴリズムとして、DDPG(Deep Deterministic Policy Gradient)に基づく強化学習(RL)の有用性を示す。
  論文  参考訳（メタデータ） (2021-03-27T12:39:56Z)
• Lateral Force Prediction using Gaussian Process Regression for Intelligent Tire Systems [18.705500907478015]
  提案したインテリジェントタイヤシステムは,高すべり角度であってもタイヤと道路の相互作用について信頼性の高い情報を提供することができる。 GPRに基づく横力モデルは、許容精度で力を予測することができ、車両制御戦略の設計に非常に有用な不確実性レベルを提供する。
  論文  参考訳（メタデータ） (2020-09-25T22:41:24Z)

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。