文献

J-GLOBAL ID：202002230173605400   整理番号：20A2318959

自動車を自律的にレースする方法:予測制御アプローチ【JST・京大機械翻訳】

Learning How to Autonomously Race a Car: A Predictive Control Approach

著者 (2件)： Rosolia Ugo (Department of Mechanical Engineering, University of California at Berkeley, Berkeley, CA, USA) ,  Borrelli Francesco (Department of Mechanical Engineering, University of California at Berkeley, Berkeley, CA, USA)
資料名： IEEE Transactions on Control Systems Technology  (IEEE Transactions on Control Systems Technology)
巻： 28  号： 6  ページ： 2713-2719  発行年： 2020年 
JST資料番号： W0515A  ISSN： 1063-6536  CODEN： IETTE2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自律レースのための学習モデル予測コントローラ(LMPC)を提示した。反復がラップに対応する最小時間反復制御タスクとして,自律レース問題をモデル化した。各ラップのシステム軌跡と入力シーケンスを保存して,次のラップのためにコントローラを系統的に更新するために使用した。提案アプローチでは,レース時間は各反復で増加しなかった。最初の貢献は,既存のLMPC戦略に関連した計算負荷を低減する局所LMPCを提案することである。特に,保存データの部分集合を用いて,局所安全集合と値関数への近似を構築する方法を示した。第2の貢献は,自律追跡反復制御タスクのためのシステム同定戦略を提示することである。アフィン時変予測モデルを構築するために,以前の反復と車両の運動学方程式からのデータを使用した。提案した戦略の有効性を,Berkeley自律Race Car(BARC)プラットフォームに関する実験結果によって実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  *自動車 ,  制御装置 ,  システム同定 ,  ラップ ,  有効性 ,  予測制御 ,  予測モデル
準シソーラス用語： 自律性 ,  計算負荷 , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (3件)： 自動車 ,  レース ,  予測制御