Nouvelle recherche publiée dans la revue Ingénierie, présente un nouveau cadre évolutif de prise de décision et de planification de mouvements en ligne qui garantit une conduite sûre et rationnelle dans des environnements du monde réel. L'équipe de recherche de l'Université de Tongji, dirigée par Yanjun Huang et Hong Chen, a réalisé des progrès significatifs dans le domaine de la conduite autonome avec son dernier article de recherche intitulé « Prise de décision et planification évolutives pour une conduite autonome basée sur une exploration et une exploitation sûres et rationnelles ».

L'étude aborde les aspects cruciaux de la prise de décision et de la planification des mouvements dans la conduite autonome, dans le but d'améliorer la sécurité et l'efficacité. L'équipe de recherche a développé une approche hybride basée sur les données et les modèles, combinant l'apprentissage par renforcement profond (DRL) pour la prise de décision et le contrôle prédictif de modèle (MPC) pour la planification des mouvements. Ce cadre permet au véhicule autonome de prendre des décisions de conduite rationnelles tout en adhérant aux multiples contraintes définies par les limites physiques du véhicule.

L'équipe de recherche propose deux principes de sécurité et de rationalité dans l'évolution en ligne de la conduite autonome. Sur la base du cadre ci-dessus, une enveloppe de conduite sûre est établie et un schéma d'exploration et d'exploitation rationnelle est conçu qui filtre les expériences aléatoires et dangereuses en masquant les actions dangereuses afin d'obtenir des données de formation de haute qualité et de réaliser un soi sûr et rationnel. -évolution de la conduite autonome. Sur la base d'un mécanisme d'apprentissage en ligne sécurisé, l'évolution continue du système dans les limites des capacités de la couche de planification est réalisée, ainsi que l'utilisation maximale des capacités de la couche de planification.

Pour valider leur cadre, l'équipe de recherche a mené des expériences en utilisant un modèle de véhicule haute fidélité et un environnement de cosimulation MATLAB/Simulink. Les résultats démontrent que le cadre d'évolution en ligne proposé génère des actions de conduite plus sûres, plus rationnelles et plus efficaces dans des environnements réels.

L'article de recherche se termine par les orientations futures de leur travail. L'équipe prévoit de permettre à l'agent d'apprendre les paramètres MPC, améliorant ainsi la flexibilité de la prise de décision et de la planification des mouvements. De plus, ils visent à étudier davantage de tâches de conduite dans ce cadre et à mener de véritables expériences sur des véhicules.

Cette recherche menée par l'équipe de recherche de Yanjun Huang et Hong Chen de l'Université de Tongji représente une avancée significative dans le domaine de la conduite autonome. Leur cadre innovant de prise de décision évolutive et de planification des mouvements garantit non seulement une conduite sûre et rationnelle, mais contribue également à améliorer l’efficacité du trafic.

Fourni par l'Université de Tongji