利用强化学习和分布式模型预测控制技术,实现自主物流车辆的实时协同路径规划与碰撞避免

《Machines》:Real-Time Cooperative Path Planning and Collision Avoidance for Autonomous Logistics Vehicles Using Reinforcement Learning and Distributed Model Predictive Control

【字体: 大 中 小 】 时间:2025年12月25日 来源:Machines 2.5

编辑推荐:

   摘要

  

摘要

在港口和仓库等工业环境中,自主物流车辆在协调多辆车的同时,需要确保路径规划的安全性和效率,这面临诸多挑战。本研究提出了一种新颖的实时协作控制框架,用于自主车辆,该框架结合了强化学习(RL)和分布式模型预测控制(DMPC)。RL代理动态调整DMPC的优化权重,以适应车辆的实时环境,而DMPC则实现了去中心化的路径规划和碰撞避免。该系统利用多源传感器融合技术(包括GNSS、UWB、IMU、LiDAR和立体相机)来提供准确的车辆状态估计。仿真结果表明,所提出的RL-DMPC方法在跟踪精度、碰撞避免和安全裕度方面优于传统的集中式控制策略。此外,与基于规则的策略相比,该方法显著提高了控制的平滑性。该框架在动态且受限的工业环境中特别有效,为多车辆协调提供了鲁棒的解决方案,并且通信延迟最小。研究强调了将RL与DMPC结合在一起,以实现实时、可扩展和自适应的自主物流解决方案的潜力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号