自动驾驶车辆的权重系数和控制策略自学习方法及装置

    公开(公告)号:CN115626184B

    公开(公告)日:2023-07-21

    申请号:CN202211629437.2

    申请日:2022-12-19

    Abstract: 本发明公开了一种自动驾驶车辆的权重系数和控制策略自学习方法及装置,涉及车辆自动驾驶控制技术领域。包括:获取待优化的控制策略;将待优化的控制策略输入到构建好的控制策略双层优化模型;其中,控制策略双层优化模型包括权重系数优化层以及控制策略优化层;根据待优化的控制策略、权重系数优化层以及控制策略优化层,得到优化后的控制策略,基于优化后的控制策略对自动驾驶车辆进行控制。本发明基于给定的专家驾驶策略,通过模仿该目标控制策略实现控制代价函数权重系数和控制策略的自学习。本发明能够解决在控制自动驾驶车辆时,为了实现良好的控制性能而面临的不断调整代价函数的权重系数,且该方法能够实现控制策略的自提升。

    自动驾驶车辆前向避撞场景下干预型共享控制方法及装置

    公开(公告)号:CN115923845A

    公开(公告)日:2023-04-07

    申请号:CN202310029817.0

    申请日:2023-01-09

    Abstract: 本发明公开了一种自动驾驶车辆前向避撞场景下干预型共享控制方法及装置,涉及自动驾驶车辆的控制技术领域。包括:获取车辆状态数据输入到前向避撞控制模型,得到自动驾驶车辆的最优名义避撞轨迹;获取驾驶员转向输入数据,得到自动驾驶车辆前向避撞场景下的共享控制方法。本发明提出了在高速前向避撞场景下控制求解与风险预测的车辆模型解耦方法,兼顾了线性模型的求解效率与非线性模型的预测准确性,完成了前向避撞场景中的风险提前预估,解决了临界避撞干预时机的判定问题,并同时考虑驾驶人的实时输入,将驾驶人的方向盘转角输入信息纳入前向避撞共享控制中,实现了人机共驾在高速前向避撞场景下“碰撞‑失稳”双重安全保障。

    一种强化学习型液压机械臂集成控制方法及装置

    公开(公告)号:CN115781696A

    公开(公告)日:2023-03-14

    申请号:CN202310063392.5

    申请日:2023-01-18

    Abstract: 本发明公开了一种强化学习型液压机械臂集成控制方法及装置,涉及工业机械臂控制技术领域。包括:获取待控制的液压机械臂的当前位姿与目标位姿;根据当前位姿与目标位姿,计算得到位姿差距;将位姿差距输入到构建好的基于强化学习的控制策略模型;根据位姿差距以及基于强化学习的控制策略模型,完成液压机械臂的控制任务。本发明基于约束型强化学习,在液压机械臂与环境交互的过程中,通过探索试错的方式实现机械臂控制策略的自学习。本发明适用于液压机械臂智能作业过程,通过控制各个关节同时执行动作,实现了一种集成式控制的功能,在保证作业安全性的前提下有效提升了液压机械臂的工作效率。

    一种管道清洗机器人
    14.
    发明公开

    公开(公告)号:CN115780428A

    公开(公告)日:2023-03-14

    申请号:CN202310028434.1

    申请日:2023-01-09

    Abstract: 本发明涉及管道清洗技术领域,特别是指一种管道清洗机器人,包括:机器人机体,环绕机器人机体外周,等间距布置的至少三组变径行走机构,以及在机器人机体后端安装的清洗机构;清洗机构被配置为:环绕机器人机体轴线的方向旋转;变径行走机构至少包括一根行走腿,行走腿包括自适应变径组件、可拆卸变径杆和行走轮组件,自适应变径组件包括变径过渡板,所述变径过渡板一侧与可拆卸变径杆的一端以可拆卸的方式连接,可拆卸变径杆的另一端以可拆卸的方式连接行走轮组件。本发明提能够适应较大范围变径管道环境、有较好的清洗能力、能够实现在管道中较长距离运行。

    多车干扰下智能物流车高效节能驾驶优化控制方法及装置

    公开(公告)号:CN117799641B

    公开(公告)日:2024-08-09

    申请号:CN202410176583.7

    申请日:2024-02-08

    Abstract: 本发明涉及智能驾驶技术领域,公开了多车干扰下智能物流车高效节能驾驶优化控制方法及装置,多车干扰下智能物流车高效节能驾驶优化控制方法包括:获取周围车辆的干扰行为信息,根据干扰行为信息确定车辆运行特性信息;确定周围车辆的行为意图信息;根据动态环境信息、行为意图信息以及车辆运行特性信息,得到轨迹预测结果;确定基于物流配送的瞬时能耗;根据轨迹预测结果及动态环境信息,确定周围车辆的动态边界约束条件;根据瞬时能耗和动态边界约束条件,得到自车的目标车速;根据动态环境信息、轨迹预测结果以及目标车速,确定自车的预设时刻的目标转角;控制所述自车按照所述目标车速和所述目标转角行驶。本发明实现对自车的高效节能控制。

    一种基于扩散模型的凿岩台车钻臂逆解控制方法及装置

    公开(公告)号:CN118163112A

    公开(公告)日:2024-06-11

    申请号:CN202410470434.1

    申请日:2024-04-18

    Abstract: 本发明涉及机械臂控制领域,特别是指一种基于扩散模型的凿岩台车钻臂逆解控制方法及装置,方法包括:获取待控制的凿岩台车钻臂的目标孔位数据,输入至训练好的凿岩台车钻臂逆解控制模型,得到钻臂的各个关节变量;根据各个关节变量,得到轨迹规划结果,完成凿岩台车钻臂控制。本发明具有应用范围广(数据来源真实环境,无需构造其余标签数据)、精度高(寻孔目标函数不断逼近实际孔位坐标)、可选性多(多组不同的关节位姿均可对应同一目标孔位)、计算效率高(对比传统数值法求逆解,神经网络求解速度可到毫秒级别)的优点,突破了现有无人凿岩台车钻臂控制逆运动学求解方面精度低、高维求解困难、运动速度突变的瓶颈。

    面向城市物流场景的高效生态驾驶分层优化方法及装置

    公开(公告)号:CN118053292A

    公开(公告)日:2024-05-17

    申请号:CN202410176585.6

    申请日:2024-02-08

    Abstract: 本发明涉及建模优化技术领域,公开了一种面向城市物流场景的高效生态驾驶分层优化方法及装置,方法包括:根据瞬时能耗模型及周围环境信息,以安全风险边界和通行效率边界为约束条件,建立车速优化模型,对长周期的车速进行预见性滚动优化,得到滚动优化车速;基于滚动优化车速,以多车干扰环境下安全风险边界为约束条件,生成滚动优化车速对应的参考轨迹,构建转角优化模型,计算各参考轨迹的代价函数值,根据各参考轨迹的代价函数值确定短时域内的优化转角。本发明提供的高效生态驾驶分层优化方法,通过对长周期车速和短时域转角的优化,使物流车能够适应多车干扰随机多变的场景,保证了物流车在安全行驶的前提下,实现高效节能的目的。

    依托强化学习的多风格车辆轨迹跟踪避撞控制方法及装置

    公开(公告)号:CN117302204B

    公开(公告)日:2024-02-20

    申请号:CN202311625357.4

    申请日:2023-11-30

    Abstract: 本发明公开了一种依托强化学习的多风格车辆轨迹跟踪避撞控制方法及装置,涉及自动驾驶车辆控制及智能算法技术领域。包括:获取待控制车辆的信息;将信息输入到构建好的基于强化学习框架的车辆轨迹跟踪避撞最优控制模型,输出多风格参数化策略网络;将信息中的自车状态、车辆观测信息以及风格指标系数输入到多风格参数化策略网络,输出动作量;根据动作量,实现多风格车辆轨迹跟踪避撞控制。本发明能够实现车辆轨迹跟踪避撞控制高精度、高实时性、高安全性且控制风格多样性的在线计算。

    面向铰接车的显式循环模型预测控制轨迹跟踪方法和装置

    公开(公告)号:CN116560241B

    公开(公告)日:2023-09-15

    申请号:CN202310838056.3

    申请日:2023-07-10

    Abstract: 本申请提出一种面向铰接车的显式循环模型预测控制轨迹跟踪方法和装置,涉及自动驾驶技术领域,该方法包括:获取铰接车的自车状态和第一预测时域内的第一参考轨迹,将铰接车的自车状态和第一参考轨迹输入初始化后的参数化策略网络进行前向求解,得到第一预测时域内各预测时刻的自车状态,根据各预测时刻的自车状态和第一参考轨迹构建参数化策略网络的目标函数进行迭代训练得到最优参数化策略网络,获取铰接车的待预测自车状态、预设的第二预测时域和第二预测时域内的第二参考轨迹,将待预测自车状态和第二参考轨迹输入最优参数化策略网络生成铰接车的自车控制动作,并根据自车控制动作控制铰接车。本申请具有计算效率高、精度高、省内存的优点。

    一种依托强化学习的铰接车轨迹跟踪控制方法及装置

    公开(公告)号:CN116300977A

    公开(公告)日:2023-06-23

    申请号:CN202310572466.8

    申请日:2023-05-22

    Abstract: 本发明公开了一种依托强化学习的铰接车轨迹跟踪控制方法及装置,涉及自动驾驶技术领域。包括:获取待控制铰接车的车辆状态以及环境观测量;将车辆状态以及环境观测量输入到构建好的铰接车轨迹跟踪最优控制模型;根据车辆状态、环境观测量以及铰接车轨迹跟踪最优控制模型,得到每个时间步的车辆状态,实现铰接车轨迹跟踪控制。本发明提供了一种依托强化学习的铰接车轨迹跟踪控制方法的构建及求解方法,以实现铰接车轨迹跟踪控制高实时、高精度的在线计算。

Patent Agency Ranking