智能汽車路徑規(guī)劃中的高效神經(jīng)動力學(xué)方法

?

智能汽車路徑規(guī)劃中的高效神經(jīng)動力學(xué)方法

實時安全導(dǎo)航是智能汽車系統(tǒng)中主要的挑戰(zhàn)之一。在自動尋找和優(yōu)化從起點位置到目的地的機器人領(lǐng)域，智能汽車實時路徑規(guī)劃以避開障礙是難點之一。智能汽車的基本導(dǎo)航問題是尋找一條從起點到目的地的高質(zhì)量無碰撞危險的安全路徑。在智能汽車規(guī)避障礙的導(dǎo)航領(lǐng)域，已經(jīng)出現(xiàn)了大量的方法，如勢場法、模糊邏輯、基于樣本的方法、波前法、基于傳感器的技術(shù)、基于圖像的方法、神經(jīng)網(wǎng)絡(luò)模型等。

目前很多研究的焦點在于規(guī)避障礙以防止使智能汽車距離障礙物太近或者太遠，但是很難獲得一條最優(yōu)的路徑。本文提出了一種新型的仿生神經(jīng)網(wǎng)絡(luò)研究方法，它考慮到了智能汽車在非固定的環(huán)境中實時防撞運行的安全性。通過改變代表動態(tài)環(huán)境的神經(jīng)活動跡象，并結(jié)合安全意識導(dǎo)航算法，實時規(guī)劃出智能汽車路徑。盡管沒有用任何全域約束函數(shù)進行優(yōu)化，但這種仿生神經(jīng)網(wǎng)絡(luò)模型能夠規(guī)劃出全局最優(yōu)的車輛運動路徑。通過神經(jīng)網(wǎng)絡(luò)的動態(tài)活動跡象對車輛實時路徑進行優(yōu)化，且不需要動態(tài)環(huán)境的先驗知識，因此具有較高的計算效率。本文提出的考慮智能汽車安全性的路徑規(guī)劃模型克服了不是“太近”就是“太遠”的缺點，能夠?qū)崟r規(guī)劃出一條“舒適”的路徑。本文的主要貢獻是在先前仿生神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，把虛擬障礙程序整合到智能汽車的導(dǎo)航系統(tǒng)中。仿真結(jié)果證明了本文提出的方法在智能汽車安全防撞導(dǎo)航方面的作用和效率。

M. P. Chaomin Luo et al. 2014 International Joint Conference on Neural Networks (IJCNN)，China- July 6- 11, 2014.

編譯：周建鵬