决策规划算法(二)

笔记来自 B 站

1.五次多项式

衡量规划控制好坏的标准是舒适度,物理意义为跃度,用英文表示为 Jerk
J a r k = d a d t Jark = \frac{da}{dt} Jark=dtda
设有一个质点的轨迹为 s = f ( t ) s = f(t) s=f(t)
J a r k = d 3 f d t 3 Jark = \frac{d^{3} f}{dt^{3}} Jark=dt3d3f
其中 a 为加速度,加速度的导数越平缓则代表车辆越舒适
因为加速度是分正负的,所以转换为微分可以表示为,寻找一个 f ( t ) f(t) f(t) 使得
m i n ∫ 0 T ( d 3 f d t 3 ) 2 d t min\int_{0}^{T} (\frac{d^{3} f}{dt^{3}})^{2}dt min0T(dt3d3f)2dt
所以,积分 m i n ∫ 0 T ( d 3 f d t 3 ) 2 d t min\int_{0}^{T} (\frac{d^{3} f}{dt^{3}})^{2}dt min0T(dt3d3f)2dt 是一个关于 f(t) 的泛函,积分的值取决于 f(t) 的整体形状

2.五次多项式的推导

因为积分取了平方,所以要想让该值最小 ( d 3 f d t 3 ) (\frac{d^{3} f}{dt^{3}}) (dt3d3f) 只能取 0,那么三阶导为 0 ,f(t) 只能是一个二次或者二次以下的多项式
在现实的智能驾驶中 f(t) 带有 6 个约束
在这里插入图片描述
为了满足这 6 个约束,Jerk 只能是一个五次多项式
s = f(t) 进行泰勒展开
在这里插入图片描述
然后将约束条件带入
在这里插入图片描述
对边界条件进行恒等变形
在这里插入图片描述
再将其进行转换
在这里插入图片描述

3.欧拉-拉格朗日方程计算泛函极值

1.欧拉-拉格朗日公式
在这里插入图片描述
2.计算 Jerk 的极值
S1:
在这里插入图片描述
S2:
在这里插入图片描述
在这里插入图片描述

自动驾驶决策规划算法是指通过给定的信息和目标,在保证安全性和舒适性的前提下,决策自动驾驶汽车的行为。这些算法可以根据车辆周围的环境和目标来做出加速、减速、转向、换道、超车等决策,以实现行驶目标。其中,决策需要考虑到汽车的安全性和乘客的安全,以及尽快到达目的地。常用的决策算法包括决策状态机、决策树、马尔可夫决策过程、POMDP等。此外,深度学习算法也可以用于自动驾驶决策规划,通过学习大量数据来做出决策。深度学习框架也是学习自动驾驶决策规划算法时需要了解的内容。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [智能优化算法:Driving Training-Based Optimization驾驶训练优化Matlab](https://download.youkuaiyun.com/download/weixin_39168167/88275031)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [自动驾驶决策规划算法工程师的基本素养](https://blog.youkuaiyun.com/m0_37964922/article/details/104989761)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值