摘要点击排行

    一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    选择: 显示/隐藏图片
    1. 基于改进混合A*的智能汽车时空联合规划方法
    胡杰, 张志豪, 陈瑞楠, 陈锐鹏, 刘昊岩, 朱琪, 陈晖
    汽车工程    2023, 45 (7): 1123-1133.   DOI: 10.19562/j.chinasae.qcgc.2023.07.003
    摘要1478)   HTML49)    PDF(pc) (4436KB)(2682)   

    运动规划是自动驾驶系统生成轨迹的关键模块,现有运动规划多采用路径和速度解耦的方法,但解耦的规划方法在复杂动态场景下易陷入轨迹次优。本文提出了一种基于搜索和数值优化结合的时空联合运动规划方法,直接求解可行驶轨迹。首先使用改进混合A*在时空范围内进行轨迹粗搜索获得初始轨迹,然后以初始轨迹为参考构建可行驶时空走廊,并综合考虑车辆动力学和轨迹连续性约束等条件,使用数值优化的方法进一步平滑初始轨迹。选取换道超车和旁车切入两类典型复杂动态场景进行仿真测试,结果表明,所提时空联合规划方法相较于传统时空解耦规划方法更加灵活、规划结果更加合理,同时具有较好的计算实时性。

    图表 | 参考文献 | 相关文章 | 多维度评价
    2. 基于强化学习的自动驾驶决策研究综述
    金立生,韩广德,谢宪毅,郭柏苍,刘国峰,朱文涛
    汽车工程    2023, 45 (4): 527-540.   DOI: 10.19562/j.chinasae.qcgc.2023.04.001
    摘要1431)   HTML83)    PDF(pc) (1155KB)(1858)   

    强化学习的发展推动了自动驾驶决策技术的进步,智能决策技术已成为自动驾驶领域高度关注的要点问题。本文以强化学习算法发展为主线,综述该算法在单车自动驾驶决策领域的深入应用。对强化学习传统算法、经典算法和前沿算法从基本原理和理论建模等方面进行归纳总结与对比分析。针对不同场景的自动驾驶决策方法分类,分析环境状态可观测性对建模的影响,重点阐述了不同层次强化学习典型算法的应用技术路线,并对自动驾驶决策方法提出研究展望,以期为自动驾驶决策方案研究提供有益参考。

    图表 | 参考文献 | 相关文章 | 多维度评价