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
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。
生物通微信公众号
生物通新浪微博
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