Cooperative constrained motion coordination of networked heterogeneous vehicles
Eindhoven University of Technology(埃因霍温理工大学);Eindhoven Artificial Intelligence Systems Institute(埃因霍温人工智能系统研究所);Lund University(隆德大学);The Australian National University(澳大利亚国立大学)
我们考虑的多个异构移动车辆的合作运动协调问题受到各种约束。这些约束包括非完整运动约束、恒速约束、完整协调约束和等式/不等式几何约束。我们开发了一个通用框架,涉及微分代数方程和生存力理论,以确定协调的可行性协调运动控制下异构车辆动力学和不同类型的协调任务的约束。如果推导出的微分代数方程和/或不等式存在协调运动解,则提出一种构造性算法来推导出等效的动力系统,该系统为每个单独的车辆生成一组可行的协调运动。在协调两辆车的案例研究中,我们推导出两个车辆组的运动生成的解析解,包括汽车类的车辆,unicipal车辆,或具有恒定速度的车辆,作为更复杂的车辆组的基准协调任务。运动生成算法是由仿真数据支持的,用于各种各样的协调情况,涉及异构车辆。然后,我们扩展了车辆控制框架,以处理时变协调任务和领导者-追随者结构的合作协调问题。我们展示了几个仿真实验的多车辆协调在各种约束条件下,以验证所提出的计划的理论和有效性。
2022-01-17 cs.MA cs.RO cs.SY
Influence of CAV Clustering Strategies on Mixed Traffic Flow Characteristics: An Analysis of Vehicle Trajectory Data
作为互联和自动驾驶汽车(CAV)技术最有前途的应用之一,协同自适应巡航控制(CACC)预计将在短期内部署在公共道路上。目前,CACC研究主要集中在网络的整体性能上,而对CAV对人类驾驶车辆(HV)的潜在影响研究较少,本文旨在通过微观仿真获得的高分辨率车辆轨迹数据来量化CAV对HV的影响。实现了两种面向CACC的队列分簇策略--自组织协调策略和局部协调策略。结果表明,本地协调优于所有测试的市场渗透率(MPR)的网络吞吐量和生产力方面的特设协调。然而,根据双样本Kolmogorov- \textcolor{re}{Smirnov}检验,在局部协调策略下,HV急刹车事件(作为潜在的安全影响)的分布发生显著变化。对于这两种聚类策略,CAV增加了HV的平均换道频率。两种策略之间的平均换道频率的盈亏平衡点观察到30%MPR,从5.42下降到5.38每辆车。平均换道频率随MPR的变化呈单调递增的规律,在40%MPR时达到最高值5.48次/辆。最后,分析了车辆跟驰模型的相互作用状态。结果表明,CAV也可以影响相互作用态的组成。一个明显的趋势是,接近状态所花费的时间随着CAV的存在而减少。
2021-02-11 cs.MA
A Robust Cooperative Vehicle Coordination Framework for Intersection Crossing
针对无信号交叉口在状态不确定与带宽受限下的安全协调问题,提出含鲁棒轨迹规划与上下文感知调度器的框架,显著降低碰撞概率并保持协调效率。
2025-08-05 cs.MA cs.SY eess.SY
Decentralizing Coordination in Open Vehicle Fleets for Scalable and Dynamic Task Allocation
IMT Lille Douai(IMT里尔-杜埃国立高等工程师学院);Alma Mater Studiorum — Università di Bologna(博洛尼亚大学);University Rey Juan Carlos(胡安·卡洛斯国王大学)
针对开放商业车队的动态任务分配难题,本文综述并比较集中式、分布式与去中心化方法,并为八类动态指派问题建立考虑车辆和任务随机到达的数学模型。
2024-01-19 cs.AI cs.MA
Time-Optimal Coordination for Connected and Automated Vehicles at Adjacent Intersections
在本文中,我们提供了一个分层的协调框架连接和自动驾驶车辆(CAV)在两个相邻的交叉口。该框架由上层调度问题和下层最优控制问题组成。通过将两个相邻的交叉口周围的区域划分为不同的区域,我们制定了一个调度问题,为每个单独的CAV,旨在最大限度地减少其总旅行时间。对于每一个CAV,上层问题的解决方案指定在其路径上的每个区域的到达时间,成为低层问题的输入。低层问题的解决方案产生的最优控制输入(加速/减速)的每一个CAV退出交叉口在指定的时间在上层调度问题。我们通过大量的数值模拟和信号交叉口,集中式调度,FIFO排队政策的比较,我们提出的分层框架的性能进行验证。
2021-10-24 cs.MA math.OC
Heterogeneous Mixed Traffic Control and Coordination
本研究利用强化学习与真实数据模拟异构混合交通,发现机器人车辆在无信号交叉口可显著降低等待时间并改善道路效率,同时保持较低排放。
2025-07-22 cs.MA
Compact Latent Coordination for Autonomous Vehicles at Unsignalized Intersections
Ben-Gurion University of the Negev(内盖夫本古里安大学)
针对无信号交叉口自动驾驶车辆协调难题提出MAPS分层DRL架构,主智能体生成编码全局策略的原型计划,工作智能体结合局部观测执行控制。实验表明MAPS能实现无碰撞导航、减少行驶时间,且原型计划泛化能力强。
2026-07-24 cs.AI cs.LG cs.MA
Evaluation of Coordination Strategies for Underground Automated Vehicle Fleets in Mixed Traffic
Center for Applied Autonomous Sensor Systems (AASS)(应用自主传感器系统中心);Örebro University(奥雷布罗大学)
本研究评估地下混合交通中AV车队协调策略,提出路径重叠密度指标,发现协调策略与隧道特征共同影响系统性能,地图特征优化效率,自适应协调保障安全。
2025-04-27 cs.HC cs.MA cs.RO
A Hamilton-Jacobi Formulation for Optimal Coordination of Heterogeneous Multiple Vehicle Systems
University of California, Santa Barbara(加州大学圣塔芭芭拉分校);Naval Air Warfare Center Weapons Division(海军空战中心武器分部)
我们提出了一种方法,多个端点配置时,同样可取的多个车辆团队的最佳协调,如在编队飞行的自主组装。编队中各个飞行器的位置不是先验分配的,关键的挑战是找到最优配置分配以及最优控制和轨迹。通常,分配和轨迹规划问题是分开解决的。我们引入了一个新的多车辆协调范式,其中最优目标分配和最优车辆轨迹同时发现从一个单一的哈密顿-雅可比(HJ)偏微分方程(PDE)的粘性解,这提供了一个全局最优的充分必要条件。这种方法的本质是,各个车辆的动态模型不需要是相同的,因此可以应用到异构系统。求解HJ方程的数值方法历来依赖于解空间的离散网格,并表现出与系统维数的指数缩放,从而阻止了其对多个车辆系统的适用性。通过利用推广的霍普夫公式,我们避免了使用网格,并提出了一种方法,表现出多项式缩放的车辆数量。
2021-04-19 cs.MA cs.RO cs.SY
Mobile Formation Coordination and Tracking Control for Multiple Non-holonomic Vehicles
Department of Automatic Control, Lund University(自动化系,吕勒奥大学)
本文针对非holonomic车辆在SE(2)上的轨迹跟踪和移动编队协调问题,提出了一种基于中间姿态变量的分阶段控制方法,并证明了严格刚体运动的编队条件,同时通过仿真和实验验证了所提控制器的性能。
2019-02-28 cs.MA cs.RO cs.SY
Trust-Aware Resilient Control and Coordination of Connected and Automated Vehicles
Boston University(波士顿大学);Massachusetts Institute of Technology(麻省理工学院)
针对CAV通过冲突区域时遭受Sybil攻击及不合作车辆影响的问题,提出基于信任框架的去中心化弹性控制与协调方案,保证无碰撞安全并缓解拥堵。
2023-06-03 cs.AI cs.MA cs.SY
Correct by Design Coordination of Autonomous Driving Systems
本文提出了一种自动驾驶系统(ADS)的正确设计协调方法。它建立在以前的结果防撞政策和ADS的建模相结合的描述,他们的静态环境中的地图的形式,和他们的车辆的动态行为。一个ADS被建模为一个动态系统,涉及一组车辆协调的一个基于车辆在地图上的位置和他们的动力学属性,计算每个车辆的自由空间。车辆被限制在相应的分配的自由空间内移动。我们提供了一个正确的设计安全控制策略的ADS,如果它的车辆和车辆尊重相应的假设保证合同。结果表明,假设保证合同的组成是一个归纳不变量,需要ADS安全。我们表明,它实际上是可能的,以定义速度控制政策的车辆,符合他们的合同。此外,我们表明,交通规则可以指定在一个线性时间时序逻辑,作为一类公式,约束车辆速度。主要的结果是,给定一组交通规则,它是可能的,以获得自由空间的策略,使得由此产生的系统的行为是安全的,通过设计的规则。
2022-05-20 cs.MA cs.SY eess.SY
Multi-Agent Coordination in Autonomous Vehicle Routing: A Simulation-Based Study of Communication, Memory, and Routing Loops
Department of Computer Science(计算机科学系);The College of Wooster(沃斯特学院)
本研究通过引入对象内存管理(OMM)有效解决了多智能体自动驾驶中的路径循环问题,显著降低了平均旅行时间和等待时间,证明了持久共享内存对动态环境中多智能体协调的必要性。
2025-11-20 cs.LG cs.MA cs.RO
MARL for Decentralized Electric Vehicle Charging Coordination with V2V Energy Exchange
Monash University(莫纳什大学);Monash Energy Institute(莫纳什能源研究所)
针对电动汽车充电协调问题,提出融合参数噪声增强探索的多智能体强化学习方法,兼顾V2V能量交换与用户体验,在不确定性场景下性能优于传统方法且具备去中心化容错能力。
2023-08-27 cs.AI cs.MA cs.SY
OPTIMA: Optimized Policy for Intelligent Multi-Agent Systems Enables Coordination-Aware Autonomous Vehicles
Bilibili Inc.(哔哩哔哩公司);Heinz College of Information Systems and Public Policy, Carnegie Mellon University(卡内基梅隆大学信息系统与公共政策学院)
提出分布式强化学习框架 OPTIMA,通过充分环境采样与多智能体算法交替优化,提升 CAVs 在复杂拥挤场景中的安全、高效协作及通用性。
2024-10-09 cs.LG cs.MA cs.RO
C$^2$T: Captioning-Structure and LLM-Aligned Common-Sense Reward Learning for Traffic--Vehicle Coordination
The State Key Laboratory of Internet of Things for Smart City, University of Macau(物联网智能城市国家重点实验室,澳门大学);Wuhan University(武汉大学);Hong Kong Polytechnic University(香港理工大学);Computer and Information Science, University of Macau(澳门大学计算机与信息科学)
本文提出C2T框架,通过从交通-车辆动态中学习常识协调模型,结合大语言模型的常识知识,提升交通协调系统的效率、安全性和舒适性。
2026-04-10 cs.CV cs.MA cs.RO
Temporal viability regulation for control affine systems with applications to mobile vehicle coordination under time-varying motion constraints
LCCC Linnaeus Center(LCCC 林纳厄中心);ELLIIT Excellence Center(ELLIIT 卓越中心);Lund University(Lund 大学)
本文提出了一种时间可行性调节理论,用于一般动态控制系统,特别是控制仿射系统,通过时间变化约束函数参数化时间变化可行集,以确保动态控制系统在时间变化可行集中不变,从而执行时间依赖状态约束。同时,本文还给出了控制仿射系统可行控制输入存在的充分条件,并将该理论应用于移动车辆协调。
2018-11-15 cs.MA cs.RO cs.SC
Generalized Coordination of Partially Cooperative Urban Traffic
Institute of Measurement, Control and Microtechnology, Ulm University(测量、控制与微技术研究所,乌尔姆大学)
本文提出一种适用于城市交通多场景的协同机动规划框架,通过优化方法与启发式策略处理混合交通,在40%协同率下即显著提升交通效率且不牺牲安全性。
2025-05-27 cs.MA cs.RO
Collaborative Target Tracking in Elliptic Coordinates: a Binocular Coordination Approach
研究了具有编队约束的双跟踪器协同目标跟踪控制问题。所提出的控制器只需要跟踪车辆和目标之间的距离测量。该方法的新颖之处在于:1)利用椭圆坐标表示任意跟踪编队,不存在奇异性,由智能体间距离推导出奇异性; 2)跟踪车系统的调节遵循双目协调原理,利用椭圆坐标丰富的物理意义简化了控制律的设计。当目标静止时,该控制器的跟踪系统被证明是指数收敛的。当目标以小速度漂移时,在与目标漂移速度的大小成比例的小裕度内实现期望的跟踪编队。仿真例子证明了所提出的控制器的跟踪性能。
2020-09-21 cs.MA cs.SY eess.SY
Resilient Charging Infrastructure via Decentralized Coordination of Electric Vehicles at Scale
School of Computer Science, University of Leeds, UK(计算机科学学院,利兹大学);AI-MAS Laboratory, National University of Science and Technology POLITEHNICA Bucharest(AI-MAS实验室,波兰技术大学布拉科夫分校)
本文提出了一种基于集体学习的去中心化协调框架,通过平衡电动汽车的舒适度与系统效率,提升大规模充电基础设施的容错性和可靠性。
2025-11-26 cs.AI cs.MA
Charging plug-in electric vehicles as a mixed-integer aggregative game
我们认为充电调度协调的车队的插电式电动汽车,开发一个混合决策框架的有效和有利可图的使用的配电网。每个充电动态,受整个车队的总行为,建模为一个相互依赖的,混合逻辑动力系统。协调问题被形式化为广义混合整数聚合势博弈,并通过半分散实施的顺序最佳反应算法,导致近似均衡的游戏解决。
2019-10-22 cs.GT cs.MA math.OC
Spatial-Temporal-Aware Safe Multi-Agent Reinforcement Learning of Connected Autonomous Vehicles in Challenging Scenarios
University of Connecticut(康涅狄格大学)
通信技术使互联车辆和自动驾驶车辆(CAV)之间能够协调。然而,如何利用共享信息来提高CAV系统在动态和复杂驾驶场景中的安全性和效率仍然不清楚。在这项工作中,我们提出了一个框架的约束多智能体强化学习(MARL)与并行安全盾的CAV在具有挑战性的驾驶场景,包括未连接的危险车辆。MARL的协调机制包括信息共享和协作策略学习,采用图卷积网络(GCN)-Transformer作为时空编码器,增强了Agent的环境感知能力。安全盾模块具有基于控制屏障功能(CBF)的安全检查功能,可防止座席采取不安全的操作。我们设计了一个受约束的多智能体优势行动者-批评者(CMAA 2C)算法来训练CAV的安全和合作策略。部署在CARLA模拟器的实验,我们验证了安全检查,时空编码器,并在我们的方法设计的协调机制的性能,通过比较实验,在几个具有挑战性的情况下,与未连接的危险车辆。结果表明,我们提出的方法显着提高系统的安全性和效率在具有挑战性的情况下。
2023-03-13 cs.AI cs.MA cs.RO
DMV-AVP: Distributed Multi-Vehicle Autonomous Valet Parking Using Autoware
Faculty of Engineering(工程学院);Applied Science Ontario Tech University(应用科学奥本大学)
DMV-AVP基于Autoware实现多车自动驾驶代客泊车的分布式仿真,通过协调框架和视觉检测模块提升多车辆协同泊车能力。
2026-02-01 cs.AI cs.MA cs.RO
Mixed Traffic Control and Coordination from Pixels
University of Tennessee(田纳西大学);University of Hong Kong(香港大学)
本文提出基于图像观测的强化学习方法,用于混合交通控制,使机器人车辆仅凭局部图像信息调节人类驾驶车辆,在多种道路环境中达到甚至超越精确观测方法的性能,如合流场景平均车速提升8%。
2024-02-05 cs.LG cs.MA cs.RO
RSPECT: Robust and Scalable Planner for Energy-Aware Coordination of UAV-UGV Teams in Aerial Monitoring
Department of Electrical and Computer Engineering, Northeastern University(东北大学电气与计算机工程系)
针对无人机与作为移动充电站的无人车在长期空中监控任务中的鲁棒规划问题,提出可扩展启发式算法RSPECT,通过混合整数规划建模并保证规划可行性与鲁棒性。
2026-06-16 cs.MA cs.RO
Safe Coverage of Moving Domains for Vehicles with Second Order Dynamics
机器人在彼此接近的情况下自主覆盖特定区域具有许多潜在的应用,例如对快速变化的环境进行实时监控以及搜索和救援;然而,协调和安全是两个基本挑战。对于协调,我们提出了一个分布式控制器,覆盖移动,紧凑的域为两种类型的车辆与二阶动态(双积分器和固定翼飞机)有界输入力。这种控制策略是基于人工潜力和对齐力,旨在促进所需的车辆域和车辆间的分离和相对速度。我们证明了某些覆盖配置是局部渐近稳定的。为了安全起见,我们建立了碰撞自由运动的能量条件,并利用汉密尔顿-雅可比(HJ)可达性理论的最后手段成对碰撞避免。我们推导出一个解析解相关联的HJ偏微分方程对应的两个双积分器车辆之间的避碰问题。我们证明了我们的方法在几个数值模拟涉及两种类型的车辆覆盖凸和非凸移动域。
2020-09-24 cs.MA cs.SY eess.SY
Safe Coverage of Compact Domains For Second Order Dynamical Systems
相互靠近以覆盖特定区域的自主系统有许多潜在的应用,但要实现有效的协调,需要解决两个关键挑战:协调和安全。对于协调,我们提出了一个局部渐近稳定的分布式覆盖控制器的紧凑的区域中的平面和均匀的车辆建模与二阶动力学有界输入力。这种控制策略是基于人工潜力,旨在执行所需的车辆域和车辆间的分离,并可以应用到任意紧凑的域,包括非凸的。我们证明,使用李雅普诺夫理论,某些覆盖配置是局部渐近稳定的。为了安全起见,我们利用汉密尔顿-雅可比(HJ)可达性理论,以保证成对的碰撞避免。而不是计算相关的HJ偏微分方程的数值解通常是这样做的,我们推导出我们的二阶车辆模型的解析解。这提供了一个精确的,全局的解决方案,而不是一个近似的,局部的一些计算域。除了大大减少碰撞计数外,防撞控制器还减少了车辆的振荡行为,帮助系统更快地达到稳定状态。我们证明了我们的方法在三个代表性的模拟,涉及一个正方形域,三角形域,和一个非凸移动域。
2019-11-15 cs.MA cs.SY eess.SY
Emergent Charging Coordination in Electric Delivery Fleets
Universidad Politécnica de Cartagena(卡塔赫纳理工大学)
针对电动配送车队班中充电协调难题,提出基于纯本地控制的学习智能体策略,在二十城模拟中零样本部署达98.6%按时完成率,接近Oracle性能,显著优于贪婪规则和阈值启发式方法。
2026-09-09 cs.LG cs.MA cs.NE
Mode 0: Architecture, Risk Taxonomy, and Standardization Pathway for RCU-Assisted V2X Safety Communication
Nantong University(南通大学)
针对现有3GPP V2X资源分配框架中基站与车辆UE二元分类的结构性缺陷,提出以路侧计算单元(RCU)为核心实体的新模式0,通过集成感知、通信与计算能力,实现高密度交通场景下的低延迟安全通信,并利用MAPPO仿真验证了其性能优势。
2026-10-12 cs.MA cs.NI eess.SP
Secure Coordination for Vertiport Sequencing in Advanced Air Mobility
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文研究了在感知不确定性下Vertiport序列的安全协调问题,通过将自报的Remote-ID信息与外部获取的监控测量相结合,提出了一种鲁棒设计方法来处理可能的虚假报告,并评估了在代表性Vertiport序列场景中的性能。
2026-05-20 cs.MA cs.SY eess.SY
Time-To-Reach Separation and Safety Filtering for Safe, Fair, and Efficient Multi-Agent Coordination
Department of Electrical Engineering and Computer Sciences, University of California, Berkeley(加州大学伯克利分校电子工程与计算机科学系);Department of Aeronautics and Astronautics, Massachusetts Institute of Technology(麻省理工学院航空与航天系);GRASP Laboratory, University of Pennsylvania(宾夕法尼亚大学GRASP实验室);Department of Electrical and Computer Engineering, University of California, Los Angeles(加州大学洛杉矶分校电子与计算机工程系)
本文提出了一种多智能体协调框架,利用最小时间到达(TTR)作为统一指标用于优先级分配、时间分离和安全过滤,以协调多个空中车辆进入空中走廊并保持车辆间安全分离。
2026-09-28 cs.MA cs.RO cs.SY
A Hysteretic Q-learning Coordination Framework for Emerging Mobility Systems in Smart Cities
University of Delaware(特拉华大学)
互联和自动驾驶汽车(CAV)可以缓解交通拥堵、空气污染并提高安全性。在本文中,我们提供了一个分散的协调框架CAV在无信号交叉口,以最大限度地减少行程时间,提高燃油效率。我们采用了一种简单而强大的强化学习方法,一种称为Q学习的非策略时间差异学习,通过协调机制来解决这个问题。然后,我们结合先进先出排队策略,以提高我们的系统的性能。通过仿真和与基于庞特里亚金最小值原理的经典最优控制方法的比较,我们证明了我们所提出的方法的有效性。
2020-11-05 cs.LG cs.MA cs.SY