03 thuật toán điều khiển giúp xe tự hành di chuyển – VinBigData

Một trong những chìa khóa quyết định hành động sự thành công xuất sắc xe tự hành nằm ở trình theo dõi đường đi ( path tracker ). Trên triết lý, sống sót rất nhiều kỹ thuật, với những mức độ phức tạp và tính hiệu suất cao khác nhau trong 1 số ít trường hợp đơn cử. Việc lựa chọn trình theo dõi đường đi ảnh hưởng tác động đến hiệu suất về độ đúng mực, độ không thay đổi và sự tự do của hành khách. Bài viết dưới đây sẽ trình làng 03 thuật toán tinh chỉnh và điều khiển thông dụng cho xe tự hành, gồm có : Pure Pursuit, Stanley và Model Predictive Controller .

Khái quát về thuật toán điều khiển/kiểm soát đường đi của xe tự hành

Ngày nay, xe tự hành nằm trong số những nghành nghề dịch vụ nghiên cứu và điều tra đang tăng trưởng nhanh và quan trọng nhất của robotics. Các phương tiện đi lại tự động hóa giúp phân phối việc tăng lưu lượng, tỷ lệ, hiệu suất cao, bảo đảm an toàn và cảm xúc tự do khi chuyển dời. Nhiều giải pháp xe tự hành đã được tiến hành thử nghiệm trên quốc tế và ngay tại Nước Ta. Những nỗ lực nghiên cứu và điều tra vẫn liên tục được thực thi nhằm mục đích cải tổ hiệu suất, độ đáng tin cậy và cắt giảm ngân sách của xe tự hành .
Khả năng điều hướng tự động hóa của xe tự hành gồm có ba bước chính : Nhận thức và bản địa hóa – Lập kế hoạch – Kiểm soát. Trong đó, trấn áp phương tiện đi lại là bước sau cuối trong mạng lưới hệ thống điều hướng và thường được thực thi bằng cách sử dụng một trong hai bộ tinh chỉnh và điều khiển độc lập :

• Lateral Controller: Điều chỉnh góc lái sao cho xe đi theo đường tham chiếu. Bộ điều khiển giảm thiểu sai số giữa vị trí xe hiện tại và đường đi đã đươc định sẵn.
• Longitudinal Controller: Bộ điều khiển dọc giảm thiểu sự khác biệt giữa hướng của xe và hướng của đường tham chiếu. Giúp xe di chuyển một cách ổn định không bị rung lắc và tăng tốc giảm tốc mượt mà hơn.

Mục tiêu của bộ điều khiển là đảm bảo xe đi theo một con đường mong muốn bằng cách giảm thiểu sai số giữa xe và đường đi tham chiếu. Đồng thời vận tốc của xe cũng phải ổn định dựa trên đường đi tham chiếu sẽ được định trước bởi thuật toán về path planning. Lateral Controller cũng có thể được sử dụng cho các ứng dụng giữ làn đường.

03 thuật toán điều khiển ngang

1, Thuật toán Pure Pursuit

Pure Pursuit giám sát góc lái dựa trên thông tin về vị trí của xe và đường đi mà xe phải bám theo. Vận tốc của xe sẽ tùy thuộc vào đặc tính của từng khu vực ( Đường trống, đường đông dân cư, đường có độ dốc lớn, … ) vật cản trên đường. Sau đó, thuật toán sẽ chuyển dời điểm ở phía trước trên đường đi dựa trên vị trí hiện tại của phương tiện đi lại, từ từ cho đến điểm sau cuối. Hiểu một cách đơn thuần, phương tiện đi lại liên tục đuổi theo một điểm trước mặt nó. Thuộc tính LookAheadDistance quyết định hành động khoảng cách xác lập điểm nhìn về phía trước .

controllerPurePursuit không phải là một bộ điều khiển truyền thống, mà hoạt động như một thuật toán theo dõi đường đi. Các đặc tính này được xác định dựa trên các thông số kỹ thuật của xe. Với đầu vào là vị trí, hướng của xe và đường tham chiếu có thể tính toán vận tốc và góc lái tương ứng.

Thuật toán Pure Pursuit

2, Thuật toán Stanley Controller

Đây là giải pháp theo dõi đường đi được sử dụng bởi nhóm nghiên cứu và điều tra của Đại học Stanford. Khác với chiêu thức Pure Pursuit sử dụng trục sau làm điểm tham chiếu, giải pháp Stanley sử dụng trục trước làm điểm tham chiếu. Trong khi đó, nó xem xét cả ( heading error and cross-track error ). Trong giải pháp này, lỗi đường chéo được định nghĩa là khoảng cách giữa điểm gần nhất trên đường dẫn với trục trước của xe .
Thuật toán Stanley Controller

Stanley là một phương pháp đơn giản nhưng hiệu quả và ổn định cho việc điều khiển sau này. Cả Pure Pursuit và Stanley đều là những thuật toán dựa trên hình học. Dưới đây sẽ là một bộ điều khiển phi hình học khác – Bộ điều khiển dự đoán mô hình (Model Predictive Controller – MPC)

3, Thuật toán Model Predictive Controller – MPC

MPC sử dụng một quy mô của mạng lưới hệ thống để đưa ra Dự kiến về hành vi trong tương lai của chính mạng lưới hệ thống đó. MPC xử lý một thuật toán tối ưu trực tuyến ( an trực tuyến optimization algorithm ) để tìm ra hành vi tinh chỉnh và điều khiển tối ưu, từ đó đưa ra tác dụng Dự kiến. MPC hoàn toàn có thể giải quyết và xử lý những mạng lưới hệ thống có nhiều đầu ra, nguồn vào và giữa chúng có mối liên hệ. Với năng lực Dự kiến ; MPC phối hợp thông tin tham chiếu trong tương lai vào bài toán tinh chỉnh và điều khiển để cải tổ hiệu suất của bộ tinh chỉnh và điều khiển .
Thực tế, MPC chiếm hữu rất nhiều lợi thế. Tuy nhiên, hạn chế của MPC là tốn kém về mặt giám sát, đặc biệt quan trọng so với những quy mô phi tuyến tính .
VinBigdata cũng tham gia nghiên cứu và điều tra, tăng trưởng xe điện tự hành Lever 4, trọng tải lớn ( 23 chỗ ). Dựa trên những công nghệ tiên tiến tiên tiến và phát triển, xe có những tính năng tiêu biểu vượt trội như xác định tối ưu, nhận diện vật cản, tự động hóa giảm tốc, dừng hoặc chuyển làn tránh vật cản, biến hóa lộ trình khi thiết yếu, đi lùi, tự động hóa đỗ xe, chạy về trạm sạc khi hết pin …. Dự kiến, giải pháp này hoàn toàn có thể sẽ được ứng dụng để liên tục tăng trưởng những tính năng cho những dòng xe điện mưu trí trong tương lai .

Source: https://vh2.com.vn
Category : Tin Học