Obstacle Avoidance Maneuver by Optimal Feedback Control Using Deep Learning Neural Networks
深層学習ニューラルネットワークを用いた最適フィードバック制御による障害物回避走行
- Delivery
- Available on the other site
- Click here to order.
- Publication code
- 20234600
- Paper/Info type
- JSAE Transaction
Vol.54 No.6
- Pages
- 1281-1286(Total 6 p)
- Date of publication
- Nov 2023
- Publisher
- JSAE
- Language
- Japanese
Detailed Information
| Category(J) | 論文 Translation |
|---|---|
| Category(E) | Paper |
| Author(J) | 1) 左合 貴, 2) 新井 嘉秀, 3) 植山 祐樹, 4) 原田 正範 |
| Author(E) | 1) Takashi Sago, 2) Yoshihide Arai, 3) Yuki Ueyama, 4) Masanori Harada |
| Affiliation(J) | 1) 防衛大学校, 2) 防衛大学校, 3) 防衛大学校, 4) 防衛大学校 |
| Abstract(J) | 本研究は，走行コース中央を座標軸としたコース座標系を定義し，車両の制御器として車線変更の複数の開ループ最適解を深層学習により関数近似したフィードバック制御器を設計した．そして，直線と曲線を含む走行コースにおける障害物回避を想定し，数値シミュレーションにより制御器の有用性を検証した． Translation |
| Abstract(E) | This paper investigates real-time optimal feedback control for an autonomous vehicle. The applicability of a deep learning neural network controller using the simplified model open-loop optimal control solution as supervised learning data is investigated for path following and obstacle avoidance maneuvers on the road, including straight and curved sections. The constructed controller can obtain optimal control variables for given states and constraints in real-time without iterative computation. The numerical results using the full vehicle model show that the proposed controller has the potential for real-time optimal obstacle avoidance control of the conventional type of vehicle. |
