A Fault-Tolerant Integrated Vehicle Stability Control Using Adaptive Control Allocation
本文的重点是一个综合的，容错车辆监控算法的整体稳定性的地面车辆。车辆控制系统包含许多可以通过通信网络彼此通信的传感器和致动器。建议的监督控制方案是由一个高层次的控制器，创建一个虚拟的控制输入矢量和一个低层次的控制分配器，分配冗余执行器之间的虚拟控制工作。虚拟控制输入包含所需的牵引力、偏航、俯仰和侧倾力矩修正以及横向力修正，以确保在遵循驾驶员启动的操纵基准时保持稳定性。基于虚拟控制输入向量，分配模块确定前转向角校正、后转向角、每个轮胎处的牵引力和主动悬架力。所提出的控制框架区别于文献中的早期结果，它能够适应故障和不确定性，通过在线更新其参数，而不需要故障识别。使用十四自由度非线性车辆模型在仿真环境中验证了控制结构。我们的研究结果表明，所提出的方法，确保车辆遵循的驱动程序创建的参考，尽管致动器的有效性损失高达30%以上的纵向机动速度和约35%的较低的滚动和俯仰角在转向与代表性的驾驶场景。
2020-08-13 cs.SY eess.SY
Real-Time Kinematics-Based Sensor-Fault Detection for Autonomous Vehicles Using Single and Double Transport with Adaptive Numerical Differentiation
本文提出基于运动学的传感器故障检测方法 KSFD，利用自适应数值微分和输运定理实时识别自主车辆单一故障传感器，无需模型和规则，适用于地面与空中车辆。
2024-07-01 cs.SY eess.SP eess.SY
A GOA-Based Fault-Tolerant Trajectory Tracking Control for an Underwater Vehicle of Multi-Thruster System without Actuator Saturation
University of Guelph（圭尔夫大学）；China Ship Scientific Research Center（中国船舶科学研究中心）
针对水下机器人（UV）在推进器损坏（失去动力）情况下的轨迹跟踪问题，提出了一种智能容错控制（FTC）策略，同时解决了因机器人物理约束而引起的执行器饱和问题。在所提出的控制策略中，轨迹跟踪部分由控制速度变化的精确反推算法和减少转矩/力输出的滑模控制形成;所述容错组件基于草蜢优化算法（GOA）建立，这提供了快速的收敛速度以及扣除推进器力的优化重新分配以补偿功率的令人满意的精度不同故障情况下的损失。在不同故障情况下进行了有无环境扰动的仿真，并与其他传统容错控制器进行了比较，验证了所提出的基于GOA的容错轨迹跟踪设计的有效性和鲁棒性。
2023-01-04 cs.AI cs.RO cs.SY
Adaptive Fault-tolerant Control of Underwater Vehicles with Thruster Failures
Xi’an University of Technology（西安理工大学）；University of Oslo（奥斯陆大学）；Concordia University（康科德大学）
本文提出一种基于贝叶斯故障状态估计和软切换的自适应容错控制方法，用于水下航行器推进器故障下的轨迹跟踪，实现平滑过渡并保持稳定控制。
2025-04-22 cs.RO cs.SY eess.SY
Fault-Tolerant MARL for CAVs under Observation Perturbations for Highway On-Ramp Merging
Department of Automation, Tsinghua University（自动化系，清华大学）；Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University（北京信息科学与技术国家研究中心（BNRist），清华大学）
本文提出了一种面向高速公路汇入车道的抗观测扰动多智能体强化学习故障容错方法，通过对抗性扰动生成和故障容忍智能体设计，提升协同驾驶系统的安全性和效率。
2025-11-28 cs.LG cs.RO cs.SY
Two-Dimensional Cruise Control of Autonomous Vehicles on Lane-Free Roads
在本文中，我们设计了分散控制策略的二维运动的自动驾驶汽车在无车道的道路。自行车运动学模型用于对车辆的动力学进行建模，并且每个车辆仅基于其自身的速度以及与其他（相邻）车辆的距离和道路的边界来确定其控制输入。采用势函数和Barbalat引理证明了所提出的控制器确保的以下性质：（i）车辆不会相互碰撞或与道路边界碰撞;（ii）所有车辆的速度始终为正，即，在任何时候都没有车辆向后移动;（iii）所有车辆的速度保持低于给定的速度限制;（iv）所有车辆的速度收敛到给定的纵向速度设定点;以及（v）所有车辆的加速度、横向速度和方向趋于零。所提出的2-D巡航控制器的效率通过数值例子说明。
2021-03-22 cs.SY eess.SY math.OC
Analysis of a Markovian Queuing Model for Autonomous Signal-Free Intersection
我们考虑一种新的，解析排队模型的车辆协调在无信号交叉口。车辆到达交叉口服从泊松过程，交叉口的通过时间是依赖于车辆类型的常数。我们使用这个模型定量相关的关键操作参数（车辆速度/加速度，车辆间车头时距）的关键性能指标（吞吐量和延迟）下的先到先得的规则。我们使用的Foster-Lyapunov漂移条件，以获得稳定性的标准和上界的平均时间延迟。基于这些结果，我们比较了无信号交叉口与传统车辆以及联网和自动驾驶车辆的效率。我们还验证了我们的结果在城市交通模拟（SUMO）。
2020-09-27 cs.SY eess.SY math.OC
MCE-based Direct FTC Method for Dynamic Positioning of Underwater Vehicles with Thruster Redundancy
针对推力器冗余水下机器人的动力定位问题，提出一种基于MCE的直接容错控制方法，通过分析MCE变化提取未知控制输入信息以识别故障、估计推力损失并实现控制重构，经真实模型数值验证有效。
2025-03-24 cs.SY eess.SY
A Highway Toll Lane Framework that Unites Autonomous Vehicles and High-occupancy Vehicles
我们考虑的情况下，具有低/高占用率的人类驾驶/自动驾驶车辆共享一段高速公路，自动驾驶车辆能够通过保持比人类驾驶车辆更短的车头时距来增加交通吞吐量。我们提出了一个收费车道框架，高速公路上的一条车道自由地保留给具有高占用率的自动驾驶车辆，这些车辆具有最大的社会流动性，其他三类车辆可以选择使用收费车道或自由使用其他常规车道。假设所有车辆只对最小化其自身的旅行成本感兴趣。我们探索由此产生的车道选择均衡的框架下，并建立理想的属性的均衡，其中隐含的高占用车辆与自动驾驶汽车的能力，以增加社会流动性。我们进一步使用最佳收费设计，占用阈值设计和政策设计问题中的数值例子来阐明这种将高占用车辆和自动驾驶车辆结合在一起的收费车道框架的各种潜在应用。据我们所知，这是第一项系统研究收费车道框架的工作，该框架将自动驾驶车辆和道路上的高占用车辆结合起来。
2021-07-26 cs.SY eess.SY
Fault Detection and Human Intervention in Vehicle Platooning: A Multi-Model Framework
本文提出一种多模型框架，仅利用尾车测量数据同时识别车辆编队中的信号丢失位置与驾驶员状态，并引入基于混合的加权插值方法提升实时计算效率，在降低故障检测复杂度的同时保证了高准确率。
2025-04-28 cs.SY eess.SY
Joint Trajectory Replanning for Mars Ascent Vehicle under Propulsion System Faults: A Suboptimal Learning-Based Warm-Start Approach
本文针对火星上升飞行器推力下降故障下的轨迹重规划问题，提出基于凸优化的次优联合轨迹重规划方法，并利用深度神经网络提供热启动初值，以提高求解效率和可靠性。
2024-09-29 cs.SY eess.SY
Exploring the Use of Autonomous Unmanned Vehicles for Supporting Power Grid Operations
本文提出一种基于优化的可处理方法，将自主无人车辆作为“移动电池”策略性调度到目标位置，以维持电网功率平衡、降低运行成本，并通过数值研究验证其有效性和可扩展性。
2025-02-07 cs.SY eess.SY
Adaptive Optimization of Autonomous Vehicle Computational Resources for Performance and Energy Improvement
自动驾驶汽车通常会消耗大量的计算能力来进行操作，特别是使用人工智能算法进行传感和感知的任务。这样的计算不仅可能花费大量的能量，而且当机载计算资源有限时还可能导致性能问题。为了解决这个问题，本文提出了一种自适应优化方法，根据车辆所面临的情况的上下文，在多个车辆子系统之间在线分配自主车辆的车载计算资源。设计了不同的自动驾驶场景来验证所提出的方法，结果表明，与现有的计算安排相比，它可以帮助提高自动驾驶汽车的整体性能和能源消耗。
2021-07-30 cs.SY eess.SY
Autonomous Cooperative Levels of Multiple-Heterogeneous Unmanned Vehicle Systems
针对多异构无人车系统自主协同缺乏明确定义与等级划分的问题，本文明确了其自主协同概念，并提出等级划分标准以评估系统技术成熟度。
2024-05-15 cs.SY eess.SY
Appointed-Time Fault-Tolerant Control for Flexible Hypersonic Vehicles with Unmeasurable States Independent of Initial Errors
本文针对柔性吸气式高超声速飞行器在不可测状态、集总扰动和执行器故障下的跟踪控制问题，提出一种基于反步法、新型状态观测器、误差变换函数和固定时间神经网络观测器的指定时间容错控制策略，实现不依赖初始误差的实用固定时间收敛，并通过仿真验证其有效性。
2025-04-13 cs.SY eess.SY
Adaptive Robust Game-Theoretic Decision Making for Autonomous Vehicles
在典型的交通场景中，自动驾驶车辆需要与其他道路参与者共享道路，例如，人类驾驶的车辆、行人等。为了成功地在交通中导航，自主代理可以使用诸如级别k框架的认知层次理论来基于代理的策略思想的深度对代理进行分类，并相应地采取行动。然而，车辆动力学及其预测之间的不匹配，以及代理的不正确分类可能导致不期望的行为或碰撞。鲁棒方法可以处理不确定性，然而，可能导致自主车辆的保守行为。本文提出了一种自适应鲁棒决策策略，自动驾驶汽车处理模型的预测模型中的模型失配，同时利用驾驶员行为的信心，以获得不太保守的行动。在高速公路驾驶场景中的车道变换操纵所提出的方法的有效性进行了验证。
2019-09-23 cs.SY eess.SY
Advancing Autonomous Vehicle Safety: A Combined Fault Tree Analysis and Bayesian Network Approach
本文提出结合故障树分析与贝叶斯网络的集成方法，用于评估自动驾驶碰撞风险并设定ASIL B失效率目标，发现感知系统故障贡献最大，并提出缓解策略以提升安全性。
2025-04-11 cs.SY eess.SY
Perception Simplex: Verifiable Collision Avoidance in Autonomous Vehicles Amidst Obstacle Detection Faults
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Mercer University（默瑟大学）；Technical University of Munich（慕尼黑工业大学）
针对自动驾驶中DNN感知不可验证导致的碰撞风险，提出感知单纯形架构，利用可验证的经典障碍物检测算法识别DNN检测器故障并触发纠正，实现确定性容错与安全保障。
2023-11-28 cs.LG cs.RO cs.SY
Multi-criteria Decision-making of Intelligent Vehicles under Fault Condition Enhancing Public-private Partnership
KTH Royal Institute of Technology（瑞典皇家理工学院）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；Grenoble INP（格勒诺布尔理工学院）
随着车辆自动化、电气化和数字化技术的发展，车辆变得越来越智能，同时也面临着更加复杂、不确定和频繁发生的故障。在本文中，我们研究了运营车辆故障状态下的维修计划，并制定它作为一个多准则决策问题。维修决策是通过在道路网络中搜索路径来产生的，并在考虑车辆故障不确定性的风险评估的基础上进行评估。特别是，我们考虑两个标准，即公共时间损失的风险和任务延误的风险，分别代表公共部门和私营部门的关切。建立了一个公共时间损失模型，用于评估车辆故障和相应的牵引过程所造成的交通拥堵。通过评估决策的风险，得到了非支配决策的帕累托最优集。我们证明了问题的相关性和所提出的方法的有效性，来自现实世界的情况下的数值实验。实验表明，在密集交通流中，忽略公共道路上车辆故障的风险会导致公共时间损失的高风险。与所提出的方法，备用决策可以得出，以减少公共时间损失的风险显着与低增加的任务延迟的风险。这项研究旨在通过私营部门和公共部门之间的合作决策来促进公私伙伴关系，从而在未来建立一个更可持续的交通系统。
2022-05-27 cs.AI cs.SY eess.SY
Docking of Autonomous Vehicles with a Stationary Docking Station in 3D Space
Indian Institute of Technology Bombay（印度理工学院孟买分校）
提出一种基于有限时间滑模的自主对接策略，利用距离和视线运动学使车辆在三维空间中安全对齐并减速至零速完成对接，通过MATLAB仿真验证了有效性。
2026-07-20 cs.SY eess.SY
Impact of Disturbances on Mixed Traffic Control with Autonomous Vehicles
本文研究了干扰对控制自动驾驶汽车以平滑环路设置中的混合交通流的影响。通过利用该系统的环结构，它表明，速度扰动影响任何车辆上的环进入一个不可控的和边缘稳定的模式定义的相对车辆间距的总和。然后，这些干扰被系统集成，并且不能通过控制自动驾驶车辆来解除。特别是，如果速度扰动是零均值高斯，那么环上的交通流将经历随机游走，方差无限增长，并独立于所应用的控制策略。相比之下，加速度扰动的影响是良性的，因为这些扰动不会进入不可控模式，这意味着它们可以使用自动驾驶车辆轻松调节。研究结果支持和补充了已有的理论分析和现场试验。
2020-08-12 cs.SY eess.SY
Increasing Traffic Throughput by Controlling Autonomous Vehicles at Low Penetration Rates
人类驾驶员可能会以不精确/不稳定的方式行事，导致对交通吞吐量有害的交通振荡。最近的现场实验表明，对单个自动驾驶车辆（AV）的控制可以增加环形测试轨道上的交通吞吐量，并减少直道上的交通振荡。我们考虑一个混合的交通环境，包括人类和自动驾驶汽车，其目标是找到一个控制策略，自动驾驶汽车，最大限度地提高交通吞吐量，防止振荡的速度。我们制定这个问题作为一个优化问题，可以解决基于梯度的优化。环形道路上的数值实验表明，优化后的控制策略使交通吞吐量提高了28%。
2019-11-28 cs.SY eess.SY
Decision Making for Autonomous Vehicles at Unsignalized Intersection in Presence of Malicious Vehicles
National Institute of Informatics（国立情报学研究所）；Japanese-French Laboratory for Informatics（日法信息学联合实验室）
本文研究了在存在恶意车辆的情况下，自动驾驶车辆在无信号交叉口的决策问题，通过博弈论方法分析车辆优先权顺序，并通过数值模拟验证了不同恶意车辆场景下的方法有效性。
2019-10-03 cs.SY eess.SY
A Sliding Mode Observer Approach for Attack Detection and Estimation in Autonomous Vehicle Platoons using Event Triggered Communication
人们正在研究自动驾驶汽车排，以提高道路容量和燃油效率。协同自适应巡航控制（CACC）是一种控制编队纵向动力学的方法，它需要车辆之间的无线通信。在本文中，我们使用滑模观测器来检测和估计威胁这样的无线通信的网络攻击。特别是，我们证明了稳定的观察员和鲁棒性的检测阈值的情况下，事件触发的通信，以下一个现实的车辆到车辆的网络协议。
2019-11-01 cs.SY eess.SY
Demand for shared mobility to complement public transportation: Human driven and autonomous vehicles
通信技术和自动驾驶汽车的最新进展为替代移动系统（出租车、拼车、需求响应服务、点对点拼车、汽车共享、共享自动驾驶汽车/班车）打开了大门。这些新的移动服务引起了研究人员、公共和私营部门的兴趣，成为解决最后一英里问题的潜在解决方案，特别是在高频率公交车不可行的低密度地区。在这项研究中，我们调查了乘车共享服务对出行需求和福利的影响，因为它补充了不同场景下的公共交通。考虑了两种类型的管理和车辆类型：众包人类驾驶车辆（HDV）（例如Uber，Lyft）和集中运营的共享自动驾驶车辆（SAV）。研究了票价折扣对交通需求和交通方式转换的影响。以加拿大安大略省奥克维尔市为例，利用实际数据进行了道路网的实例研究.结果显示，在集中运营的共享自动驾驶汽车下，共享乘车有可能将乘客量增加76%，并将等待时间减少47%，共享票价折扣为50%。
2021-03-17 cs.SY eess.SY
Application of Data-Driven Model Predictive Control for Autonomous Vehicle Steering
本文提出将数据驱动MPC应用于自动驾驶车辆转向，避免复杂建模，通过CarSim-Simulink仿真验证，相比PID和运动学MPC，该方法计算时间低、误差小，具有可行性和优越性。
2024-07-18 cs.SY eess.SY
Safe Intersection Management for Mixed Transportation Systems with Human-Driven and Autonomous Vehicles
Texas A&M University（德克萨斯农工大学）
本文研究了混合交通系统中人驾驶和自动驾驶车辆共存时的安全管理问题，提出了一种基于MPC的协议和交通信号协调协议，以确保交叉口的安全性。
2018-10-14 cs.SY eess.SY
Trajectory planning for multiple autonomous underwater vehicles with safety guarantees
研究了多自主水下机器人（AUV）在强海浪中的轨迹规划问题，该问题会干扰AUV的轨迹跟踪能力，并导致障碍物和机器人之间的碰撞。提出了一种基于Hamilton-Jacobi微分对策和模型预测控制的AUV安全轨迹生成方法，该方法考虑了时变状态无关或时变状态相关的波浪扰动。该方法规划多个AUV的安全保证的轨迹，并考虑AUV的形状，其中非线性光滑避碰约束通过强对偶性获得。
2020-11-27 cs.SY eess.SY
Learning to Influence Vehicles' Routing in Mixed-Autonomy Networks by Dynamically Controlling the Headway of Autonomous Cars
众所周知，自动驾驶汽车可以通过在车辆队列中保持较小的车头时距来增加道路通行能力。最近的研究表明，这些容量的增加会以意想不到的方式影响车辆的路线选择，类似于众所周知的Braess悖论，从而可能增加网络拥塞。在本文中，我们提出，在混合自治网络，即，在人类驾驶和自动驾驶汽车共享道路的网络中，自动驾驶汽车的车头时距可以直接控制，以影响车辆的路线并减少拥堵。我们认为，自动驾驶汽车的行驶速度以及路段的容量不仅仅是一个固定的设计选择;相反，它可以作为一种{基础设施控制}策略来{动态}调节容量。想象一下，类似于调节路段上车辆最大速度的可变速度限制，控制策略调节自动驾驶汽车沿每个路段的车头时距。我们试图通过直接控制自动驾驶汽车的车头时距来影响车辆的路线选择，以防止类似Braess的意外结果并提高网络效率。我们对混合自主交通网络的动态进行建模，同时考虑车辆的路线选择动态。我们训练一个RL策略，学习调节自动驾驶汽车的车头时距，使网络中的总行驶时间最小化。我们将经验表明，我们的训练政策，不仅可以防止Braess一样的低效率，但也减少了总的旅行时间。
2023-03-07 cs.SY eess.SY
An I + PI Controller Structure for Integrating Processes with Dead-Time: Application to Depth Control of an Autonomous Underwater Vehicle
本文提出了一种具有I和PI控制器的前馈加反馈控制器结构，用于控制具有时滞的积分过程。提供了基于阻尼因子和固有频率的时域规范的控制器增益选择的指导方针，以及指示过程响应的选择性的模拟。通过对非线性自主水下航行器系统的深度控制进行仿真，证明了所提出的控制器结构的实用性。
2019-08-25 cs.SY eess.SY
Autonomous Parking of Vehicle Fleet in Tight Environments
本文研究了车辆自主停车问题。我们提出了一个系统级的建模和控制框架，它允许调查不同的车辆停车策略，同时考虑到路径规划和碰撞避免。所提出的方法将问题分解为集中式的停车位分配和路径生成，以及分散式的避碰控制。本文介绍了层次框架和算法的细节。广泛的模拟被用来评估几个分配策略的车队总停车时间和队列长度。特别是，我们描述了如何Braess的悖论可以观察到停车车队。
2020-03-02 cs.SY eess.SY
Proceedings First Workshop on Formal Verification of Autonomous Vehicles
International Conference on integrated Formal Methods（国际形式化方法会议）；EPTCS（电子程序技术报告）
本文集聚焦自动驾驶车辆的形式验证，汇集了形式验证领域研究人员及控制理论、机器人学等领域的专家，探讨验证技术在自动驾驶开发中的应用。
2017-09-07 cs.AI cs.SY eess.SY
A Unified Toll Lane Framework for Autonomous and High-Occupancy Vehicles in Interactive Mixed Autonomy
本文提出一种统一收费车道框架，通过引入“移动度”概念分析自动驾驶与高乘载车辆混合交通流的车道选择均衡，并提出减少总延迟的收费算法，为交通管理及自动驾驶融入提供见解。
2024-03-20 cs.GT cs.SY eess.SY
Interaction-Aware Trajectory Prediction and Planning for Autonomous Vehicles in Forced Merge Scenarios
University of Michigan（密歇根大学）；Ford Motor Company（福特汽车公司）
一般来说，合并对于人类驾驶员和自动驾驶车辆来说都是一项具有挑战性的任务，特别是在密集的交通中，因为合并车辆通常需要与其他车辆交互以识别或创建间隙并安全地合并。在本文中，我们考虑的问题，自主车辆控制强制合并的情况下。我们提出了一种新的博弈论控制器，称为领导者-追随者游戏控制器（LFGC），其中自主自我车辆和其他车辆与先验不确定的驾驶意图之间的相互作用被建模为部分可观察的领导者-追随者游戏。LFGC根据观测到的轨迹在线估计其他车辆的意图，然后预测它们的未来轨迹，并使用模型预测控制（MPC）规划自我车辆的自身轨迹，以同时实现概率上保证的安全和合并目标。为了验证LFGC的性能，我们在模拟和NGSIM数据中对其进行了测试，LFGC在合并中表现出97.5%的高成功率。
2021-12-14 cs.RO cs.SY eess.SY
Design, Field Evaluation, and Traffic Analysis of a Competitive Autonomous Driving Model in a Congested Environment
Korea Advanced Institute of Science and Technologies (KAIST)（韩国科学技术院）
最近，许多研究已经调查了使用车辆到一切（V2X）之间的通信的协作交通系统。不幸的是，当部署多个自动驾驶车辆同时暴露于通信故障时，各种自动驾驶车辆之间可能存在理想条件的冲突，从而导致道路上的对抗情况。在韩国，虚拟和现实城市自动多车比赛分别于2021年3月和11月举行。在比赛中，多辆车同时参与，这需要操纵，如超车低速车辆，通过十字路口，并遵守交通法规。在这项研究中，我们引入了一个完全自动驾驶的软件栈来部署一个有竞争力的驾驶模型，这使我们能够赢得城市自动驾驶多车比赛。我们评估基于模块的系统，如导航，感知和规划在现实和虚拟环境中。此外，在通过通信收集多个车辆位置数据之后执行交通分析，以获得对多智能体自动驾驶场景的额外洞察。最后，我们提出了一种分析交通的方法，以比较多辆自动驾驶汽车的空间分布。我们研究每个团队的驾驶日志数据之间的相似性分布，以确定竞争性自动驾驶对交通环境的影响。
2022-11-07 cs.RO cs.SY eess.SY
Numerical Energy Analysis of In-wheel Motor Driven Autonomous Electric Vehicles
Case Western Reserve University（凯斯西储大学）；Nantong University（南通大学）
自主电动汽车作为未来地面交通的发展方向受到广泛的研究，但基于传统动力传动系统的自主电动汽车限制了其能量和动力的传输效率，可能会阻碍其广泛的应用。在这里，我们报告了一项关于由轮内电机驱动的中型自主电动汽车的能耗和效率改善的研究，通过开发一个数值能量模型，用实际驾驶数据进行验证，并在案例研究中实施。通过平路、上坡、下坡3种行驶工况下的能量分析，考察了能量消耗情况，并对轮毂电机驱动动力总成系统的节能潜力进行了系统的探讨。在考虑再生制动能量回收的基础上，基于车辆动力学和自动驾驶模式，计算了特定行驶循环下的能耗和再生能量。使用西洛杉矶的基线电动汽车驾驶数据进行了案例研究。结果发现，在轮内电机驱动的自主电动汽车可以节省高达17.5%的能源相比，传统的电动汽车在斜坡行驶。利用某商用轮毂电机的效率图，研究得到的数值能量模型和验证结果符合实际情况，可用于支持未来更节能的自主电动汽车的可持续发展。
2021-04-10 cs.RO cs.SY eess.SY
Self-Driving like a Human driver instead of a Robocar: Personalized comfortable driving experience for autonomous vehicles
Seamless Transportation Lab (STL)（无缝交通实验室）；Yonsei University（延世大学）
为了给自动驾驶汽车用户提供个性化的舒适驾驶体验，提出了一种基于个人驾驶偏好的自动驾驶汽车集成控制系统。我们提出了一个乘客的偏好度量（OPM），这是定义一个首选的横向和纵向加速度区域的最大允许加加速度为用户。此外，我们提出了一个车辆控制器的控制参数的基础上，使集成的横向和纵向控制，通过自主车辆的偏好感知操纵。该系统不仅提供了乘员驾驶偏好的标准，还提供了个性化的自动驾驶风格，就像人类驾驶员而不是Robocar一样。仿真和实验结果表明，该系统可以像人类驾驶员一样操纵自动驾驶汽车，通过跟踪指定的标准，允许的加速度和加加速度。
2022-11-18 cs.RO cs.SY eess.SY
Priority-based coordination of autonomous and legacy vehicles at intersection
本文提出一种基于优先级的协调方法，支持传统车辆安全通过交叉口，同时保持无碰撞和死锁特性。
2014-09-26 cs.RO cs.SY eess.SY
Towards Assume-Guarantee Profiles for Autonomous Vehicles
目前，自动驾驶汽车的规则或规范是根据具体情况制定的，并以相当特殊的方式组合在一起。作为消除这种做法的一步，我们提出了一个系统化的程序，用于为自动驾驶汽车生成一组监督规范，这些规范1）与分布式假设保证结构相关联，2）以一致性和完整性概念为特征。除了帮助自动驾驶汽车在道路上做出更好的决策外，假设担保合同结构还有助于解决不良事件发生时的责任概念。我们给出了几个博弈论的例子来证明我们的框架的适用性。
2019-09-12 cs.LO cs.SY eess.SY
An Anomaly Behavior Analysis Framework for Securing Autonomous Vehicle Perception
The University of Arizona（亚利桑那大学）
本文提出融合基于物理的车辆行为模型与机器学习的异常行为分析框架，通过时序特征识别感知传感器攻击，并在真实测试床实验中验证有效性且发布首个相关数据集。
2024-04-04 cs.RO cs.SY eess.SY
Robust Model Predictive Control for Autonomous Vehicles/Self Driving Cars
本文提出一种用于自主车辆前轮控制的鲁棒模型预测控制方法，通过权重调整和在线线性化技术提升控制鲁棒性，并讨论各方法在精度和计算负载上的有效性。
2018-05-22 cs.RO cs.SY eess.SY
Gradient Policy on "CartPole" game and its' expansibility to F1Tenth Autonomous Vehicles
Trinity College Dublin（都柏林圣三一学院）；College Green（学院绿地）
策略梯度是一种有效的方法来估计对环境的持续行动。本文详细介绍了该算法的数学公式和代码实现.最后，将CartPole上的摇杆旋转角度与Autonomous车辆转弯时的角度进行比较，并利用Bicycle Model这一简单的Kinematic动力学模型，找出两者之间的相似性，以便将CartPole模型移植到F1tenth Autonomous车辆上。
2021-03-15 cs.AI cs.RO cs.SY
Game-theoretic Modeling of Traffic in Unsignalized Intersection Network for Autonomous Vehicle Control Verification and Validation
University of Michigan（密歇根大学）；Bilkent University（比尔肯大学）
在可预见的未来，自动驾驶汽车（AV）将与人类驾驶的汽车一起在交通中运行。他们的规划和控制系统需要进行广泛的测试，包括模拟自动驾驶/人类驾驶车辆之间的交互的早期测试。出于对这种仿真工具的需求，我们提出了一种博弈论的方法来建模车辆的相互作用，特别是在城市交通环境与无信号交叉口。我们开发的交通模型与异构（在他们的驾驶风格方面）和互动的车辆基于我们提出的方法，并使用它们进行虚拟测试，评估和校准的AV控制系统。为了说明，我们考虑两种AV控制方法，分析其特性和性能的基础上，我们开发的交通模型的仿真结果，并优化其中之一的参数。
2020-07-18 cs.RO cs.SY eess.SY
A Companion App for an Autonomous Family Vehicle: Identification of Values for an Autonomous Mobility System
Braunschweig, Germany（德国布伦瑞克）
本文提出一款面向需要陪同人员的用户群体的自主车辆伴侣应用，支持可信人员跟踪行程和远程设置车辆，并识别影响乘客和可信人员的价值观。
2026-06-09 cs.CY cs.SY eess.SY
Towards Deductive Verification of Control Algorithms for Autonomous Marine Vehicles
针对自主海洋航行器混合系统特性导致控制算法形式化安全验证困难的问题，提出结合GNU/Octave数值计算与Isabelle证明助手的验证方法，可验证多模式切换控制器的微分不变量。
2020-06-16 cs.SE cs.SY eess.SY
Development of an Autonomous Reverse Engineering Capability for Controller Area Network Messages to Support Autonomous Control Retrofits
North Dakota State University（北达科他州立大学）
针对不同厂商CAN实现差异阻碍自动驾驶改装规模化的问题，提出通过同步记录IMU与CAN数据逆向识别车辆油门、制动踏板对应CAN通道的方法，经6辆车测试验证有效，可适配不同车辆通信标准，为售后自动驾驶套件开发提供支持。
2023-07-20 cs.OH cs.RO cs.SY
Communication-Constrained Routing and Traffic Control for Autonomous Vehicles
自动驾驶汽车（Autonomous Vehicles，AV）是一种先进的技术，可以带来便利，提高道路网络的吞吐量，减少交通事故。为了实现更高水平的自动化（LoA），需要将大量的传感数据上传到网络进行处理，然后必须将机动决策返回给AV。此外，乘客可能对各种数据饥饿和延迟敏感的应用有更高的传输速率需求。
2019-09-26 cs.NI cs.SY eess.SP
Resilient Cooperative Adaptive Cruise Control for Autonomous Vehicles Using Machine Learning
University of Florida（佛罗里达大学）
协同自适应巡航控制（CACC）是一种基本的互联车辆应用，它通过利用车对车（V2V）通信来扩展自适应巡航控制。CACC是众多自动驾驶汽车功能的关键组成部分，包括队列行驶、分布式路线管理等。不幸的是，恶意V2V通信可能会破坏CACC，导致字符串不稳定和道路事故。在本文中，我们开发了一种新的弹性基础设施，RACCON，用于检测和减轻对CACC的V2V攻击。RACCON使用机器学习来开发车载预测模型，该模型可以捕获异常的车辆响应并实时的执行缓解。支持RACCON的车辆可以利用CACC的高效率，而不会影响安全性，即使在潜在的敌对场景下也是如此。我们提出了广泛的实验评估，以证明RACCON的疗效。
2021-03-18 cs.CR cs.RO cs.SY
Robust Safety for Autonomous Vehicles through Reconfigurable Networking
National Institute of Standards and Technology（美国国家标准与技术研究院）
本文通过软件定义网络技术提升自动驾驶车辆的网络鲁棒性，在非故障条件下无额外开销，故障时能及时传递信息，验证了其优越性。
2018-04-12 cs.NI cs.PF cs.SY
eCAV: An Edge-Assisted Evaluation Platform for Connected Autonomous Vehicles
Georgia Institute of Technology（佐治亚理工学院）
针对大规模网联自动驾驶车辆仿真评估的计算瓶颈，提出高效可扩展的边缘辅助评估平台eCAV，支持V2X算法功能验证与性能预测，可建模256辆车，规模达现有方案8倍。
2025-06-27 cs.MA cs.NI cs.RO
Evaluating the acceptance of autonomous vehicles in the future
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）
汽车工业的不断发展导致了更先进的驾驶员辅助系统的出现，这些系统能够实现某些任务的自动化，并且无疑旨在实现驾驶任务可以完全委托的车辆。所有这些进步都将带来汽车市场范式的变化，保险业也是如此。因此，CESVIMAP和马德里卡洛斯三世大学正在研究一种用于保险研究的自动测试平台（ATLAS），以研究这项技术，并获得有关未来车辆开发中每个代理人责任的第一手知识。这项工作收集了ATLAS所取得的部分进步，这些进步使人们有可能拥有一辆自动驾驶汽车，在真实环境中进行测试和演示，使车辆更接近未来的用户。作为这项工作的结果，并与林茨约翰内斯开普勒大学合作，研究了用户在乘坐ATLAS等全自动驾驶汽车旅行后对自动驾驶汽车的影响、接受程度和信心。这项研究发现，虽然大多数用户愿意使用自动驾驶汽车，但同样的用户也担心这种技术的使用。因此，了解这种担忧的原因可以帮助定义自动驾驶汽车的未来。
2023-01-26 cs.RO cs.SE cs.SY
