科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的基于控制理论的车辆跟随控制方法需要对两辆车的速度和距离等建立模型，缺乏泛化性并难以实现稳定平滑的控制效果。为了解决这个问题，提出了一种不依赖车辆运动学模型的数据高效的分层车辆跟随控制方法。该方法的上层利用车辆坐标、速度和其他车载传感器的感知结果构建数据集，并训练深度强化学习模型，避免了依赖先验知识的问题，并不需要在真实世界中进行训练。训练过程中从数据集中随机采样样本，提高了数据利用率。该方法的下层通过比例积分微分控制算法实时控制车辆的加速度和角速度，避免了深度强化学习策略不稳定导致的控制抖动，从而使车辆的控制更加平滑。为了验证该算法的性能，进行了仿真实验和实车实验。实验结果表明，该算法可以使跟随车与目标车之间的距离始终保持在安全合理的范围内。通过对比实验，证明了该算法在横向和纵向上都实现了更稳定、平滑和安全的车辆跟随控制。
- 单位
