智能汽車路徑規劃中的高效神經動力學方法

?

智能汽車路徑規劃中的高效神經動力學方法

實時安全導航是智能汽車系統中主要的挑戰之一。在自動尋找和優化從起點位置到目的地的機器人領域，智能汽車實時路徑規劃以避開障礙是難點之一。智能汽車的基本導航問題是尋找一條從起點到目的地的高質量無碰撞危險的安全路徑。在智能汽車規避障礙的導航領域，已經出現了大量的方法，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、基于圖像的方法、神經網絡模型等。

目前很多研究的焦點在于規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的路徑。本文提出了一種新型的仿生神經網絡研究方法，它考慮到了智能汽車在非固定的環境中實時防撞運行的安全性。通過改變代表動態環境的神經活動跡象，并結合安全意識導航算法，實時規劃出智能汽車路徑。盡管沒有用任何全域約束函數進行優化，但這種仿生神經網絡模型能夠規劃出全局最優的車輛運動路徑。通過神經網絡的動態活動跡象對車輛實時路徑進行優化，且不需要動態環境的先驗知識，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劃模型克服了不是“太近”就是“太遠”的缺點，能夠實時規劃出一條“舒適”的路徑。本文的主要貢獻是在先前仿生神經網絡模型的基礎上，把虛擬障礙程序整合到智能汽車的導航系統中。仿真結果證明了本文提出的方法在智能汽車安全防撞導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