Predicting Lane Keeping Behavior of Visually Distracted Drivers Using Inverse Suboptimal Control
Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院人类机器人与机器人研究所）
本文提出利用逆次优控制预测视觉分心驾驶者的车道保持行为，通过考虑驾驶情境、驾驶员缺陷和补偿策略，评估分心带来的风险，实验表明方法在速度和路线拓扑变化下预测误差更小且泛化能力更强。
2016-04-29 cs.SY eess.SY
Intention-Based Lane Changing and Lane Keeping Haptic Guidance Steering System
Institute of Industrial Science, the University of Tokyo（东京大学工业科学研究所）
触觉引导在共享转向辅助系统中的应用，由于其在车辆控制中的相互通信能力，引起了智能车辆领域的广泛关注。通过在方向盘上施加连续扭矩，驾驶员和支撑系统可以共享车辆的横向控制。然而，目前的触觉引导转向系统在辅助变道方面存在一些不足。本研究探索一种新的转向交互方法，包括基于意图的触觉共享转向系统的设计和评价。这种基于意图的方法可以通过检测驾驶员车道变换意图来支持车道保持和车道变换辅助。通过使用基于深度学习的方法对驾驶员关于车道交叉的决策时机进行建模，提出了用于实现转向控制系统的自适应增益控制方法。提出了一种意图一致性方法，用于检测驾驶员和系统是否朝着相同的目标轨迹运动，并准确地捕捉驾驶员意图。通过驾驶模拟器实验对系统性能进行了测试。参与者被要求进行六次有辅助方法的试验和一次没有辅助的试验。结果表明，该支持系统降低了车道保持任务中的车道偏离风险，能够支持快速稳定的换道机动。
2020-11-15 cs.AI cs.HC cs.LG
Fuel-Optimal Collision Avoidance Maneuvers in Long-Term Encounters with Station-Keeping Constraints
本文提出一种序列凸规划方法，在长期交会中计算燃料最优碰撞规避机动，结合站位保持约束，通过IPoC指标和敏感性约束提高鲁棒性，数值模拟验证了其局部最优性和自主应用可行性。
2024-06-04 cs.SY eess.SY
A Method for Crash Prediction and Avoidance Using Hidden Markov Models
近年来，汽车技术取得了稳步发展。特别是，高级驾驶员辅助系统（ADAS）为商用车提供了许多安全功能，例如行人检测、车道保持辅助、紧急自动制动等。尽管这些功能为驾驶员提供了更安全的操作环境，但由于道路条件复杂，道路使用者（包括车辆、行人、骑自行车者、和非机动车。在本文中，我们的目的是预测的可能性之间的碰撞车辆在高速公路上，并实施适当的主动安全系统，以防止相同的。特别是，隐马尔可夫模型的交通车道和高速公路上的车辆的速度变化。算法的开发用于预测的碰撞概率。利用Matlab进行了仿真实验，结果验证了所提方法的有效性。
2022-12-22 cs.SY eess.SY
Vehicle Risk Assessment and Control for Lane-Keeping and Collision Avoidance in Urban and Highway Driving Scenarios
本文研究了一种符号数值方法来优化自动驾驶和防撞车辆的轨迹。新方法使用经典的费用函数定义，将车辆的动态状态的基本方面，如位置，方向，时间采样，和轮胎的侧偏角的约束。优化过程使费用函数最小化，同时通过改变转向和制动幅度来确定最佳轨迹。车辆的当前速度被限制为最大速度，因此，允许稳定地搜索最佳轨迹。障碍物的参数化定义为低速和高速模拟生成了灵活的环境。影响优化变量的最小数量保证了稳定和直接生成最优结果。通过当前的新方法来控制车辆在最优轨道上，我们能够自主地移动车辆在任意的轨道上近似的低阶多项式。该优化方法还能处理各种不同的障碍物和相应的最优光滑障碍物路径.计算表明，在正常运行和异常避障四轮车辆的有效控制与连续可微避障轨迹.分别以3 m/s、6 m/s、7.6m/s、10 m/s、12 m/s和18 m/s的速度进行了仿真试验。在更高的车辆速度下，仅采用机械方法是不够的，需要对轮胎进行机械干预作为补充部件来控制侧偏角。结果表明，费用函数达到了相当高的平均收敛到零率的成功，在大多数测试的情况下。
2022-10-15 cs.SY eess.SY math.OC
Correctness Guarantees for the Composition of Lane Keeping and Adaptive Cruise Control
University of Michigan（密歇根大学）；California Institute of Technology（加州理工学院）
本文提出一种具有正确性保证的控制方法，用于同时操作车道保持和自适应巡航控制，通过集合不变性表达安全规范，并利用二次规划和物理建模设计控制屏障函数，实现安全性和性能的结合。
2017-05-05 cs.SY eess.SY math.OC
Lane Departure Prediction Based on Closed-Loop Vehicle Dynamics
Institute of Power Machinery and Vehicular Engineering, College of Energy Engineering, Zhejiang University（浙江大学能源工程学院动力机械及车辆工程研究所）
自动驾驶系统应该能够监督自己的性能，并在必要时请求人类驾驶员接管。在车道保持场景中，车辆未来轨迹的预测是实现安全可信的自动驾驶的关键。以往对车辆轨迹预测的研究主要分为两类，即基于物理的方法和基于机动的方法。利用基于物理的方法，提出了一种基于闭环车辆动力学模型的车道偏离预测算法。我们使用扩展的卡尔曼滤波器来估计当前车辆状态的传感模块的输出的基础上。然后，卡尔曼预测器与实际的车道保持控制律被用来预测未来的转向动作和车辆状态。车道偏离评估模块评估车辆拐角位置的概率分布，并决定是否发起人工接管请求。仿真试验初步验证了该预测算法能够较好地描述未来车辆位姿的随机特性。最后，通过15 ~ 50 km/h的道路试验进一步验证了该方法的有效性。它可能是自动车道保持功能的车道偏离风险评估的一个有前途的解决方案。
2022-02-12 cs.RO cs.SY eess.SY
A Sim-to-Real Vision-based Lane Keeping System for a 1:10-scale Autonomous Vehicle
University of Padua（帕多瓦大学）；Centro Ricerche Fusione, University of Padua（帕多瓦大学聚变研究中心）
本文提出一种面向1:10比例自动驾驶汽车的仿真到实车无GPS视觉车道保持系统，利用CNN估计前瞻航向误差驱动纯追踪横向与速度控制器，通过仿真数据增强实现低算力实时运行，经时滞稳定性分析与实验室验证有效。
2024-09-26 cs.RO cs.SY eess.SY
Decentralized Vehicle Coordination and Lane Switching without Switching of Controllers
本文提出一种基于高阶控制屏障函数和Lyapunov函数的分散式控制器，通过协调函数实现无需控制器切换的安全变道与碰撞避免。
2023-05-08 cs.SY eess.SY
An Optimized Density-Based Lane Keeping System for A Cost-Efficient Autonomous Vehicle Platform: AurigaBot V1
Faculty of Electrical Engineering, Shahid Beheshti University（沙希德·贝赫什提大学电气工程学院）
本文提出高性价比自动驾驶平台AurigaBot V1，通过基于直方图统计的密度聚类路标跟踪、横向控制器及数据集增强与自动泊车，实现了可靠的车道跟踪与目标检测。
2025-04-05 cs.RO cs.SY eess.SY
Lane-Keeping Control of Autonomous Vehicles Through a Soft-Constrained Iterative LQR
National Yang Ming Chiao Tung University（国立阳明交通大学）
针对自动驾驶车道保持中控制抖动问题，提出软约束迭代LQR（soft-CILQR）算法，通过松弛变量软化约束，在数值与视觉实验中实现平滑转向，平均运行2.55毫秒，满足实时要求。
2024-12-17 cs.CV cs.RO cs.SY
A Cooperative Control Framework for CAV Lane Change in a Mixed Traffic Environment
在为联网和自动驾驶汽车（CAV）做准备时，一个令人担忧的方面是过渡时代，其特点是混合交通（CAV和人类驾驶车辆（HDV）共享道路）。与CAV将改善道路安全的期望一致，道路上的CAV可能会采取相当保守的控制策略，这可能会导致HDV不适当地利用CAV的保守性，以危及安全的方式驾驶。这种情况的一个背景是CAV变道。如果没有交通流中其他车辆的配合，CAV在密集的高速交通条件下变道可能非常不安全。相邻车辆的配合是必不可少的。为了解决这个问题，本文开发了一个控制框架，连接HDV和CAV可以合作，以促进安全和有效的变道的CAV。在整个换道过程中，通过控制框架中的防撞机制，不仅确保了CAV的安全，而且还确保了所有相邻车辆的安全。根据CHDV-CAV协作的环境水平分析了总体交通流效率。分析结果包括CAV换道可行性、换道总持续时间。车道变换是多车道公路交通干扰的主要来源，影响了多车道公路的交通流效率。在提供一个控制框架的车道变化在混合交通中，本研究表明如何CHDV-CAV合作，可以帮助提高系统的效率。
2020-10-12 cs.SY eess.SY
Tight Collision Avoidance for Stochastic Optimal Control: with Applications in Learning-based, Interactive Motion Planning
针对密集交互交通中自动驾驶轨迹规划因人类行为不确定性和非凸避障约束带来的挑战，提出一种含紧致连续可微重构的随机最优控制框架，通过两种场景仿真验证了有效性。
2025-10-29 cs.SY eess.SY
Emergent Autonomous Drifting for Collision Avoidance in Real-World Winter Driving Scenarios
Toyota Research Institute（丰田研究院）
研究现实世界冬季驾驶中漂移对安全的作用，提出基于碰撞死亡数据的能漂移的非线性模型预测控制（MPC）系统，经实验与比较，该系统能在多种速度下降低中位车道误差，在危险场景中表现更优。
2026-07-23 cs.RO cs.SY eess.SY
Safe platooning control of connected and autonomous vehicles on curved multi-lane roads
针对弯曲多车道道路上CAV安全编队跟踪与汇入问题，提出解耦的横向/纵向控制并加入构造性势垒反馈，实现避撞、安全不变性与稳定性保证。
2025-02-14 cs.SY eess.SY
Integrated Automated Car Following and Lane-changing control based on a Parametrized Deep Q-network with Hybrid Action Space
addressline= Zachry Department of Civil \& Environmental Engineering, Texas A \& M University, College Station, TX 77843, USA
研究针对联网自动驾驶车辆，提出基于参数化深度Q网络的集成控制框架，通过混合动作空间建模，将变道和跟车控制集成，经训练最大化奖励，确保安全与效率，实验显示其优于分离控制方法。
2026-07-09 cs.SY eess.SY
Parameter Tuning Under Uncertain Road Perception in Driver Assistance Systems
针对驾驶员辅助系统中车道感知噪声导致横向规划参数手动整定耗时的问题，提出一种基于实测数据、考虑噪声道路估计的自动参数整定方法，通过参考曲线仿真优化规划器参数，在未见过的测试数据上提升了性能。
2025-09-03 cs.SY eess.SY
Model Predictive Contouring Control for Vehicle Obstacle Avoidance at the Limit of Handling Using Torque Vectoring
Delft University of Technology（代尔夫特理工大学）；University of Surrey（萨里大学）；University of Eindhoven（埃因霍温大学）；Politecnico di Torino（都灵理工大学）
本研究提出一种结合扭矩矢量的非线性模型预测轮廓控制方法，通过优化转向角和四轮纵向力，在操控极限下实现车辆避障，兼顾跟踪精度与稳定性，仿真验证了其优于无扭矩矢量或避障优先级的基线方法。
2024-05-17 cs.RO cs.SY eess.SY
Model Predictive Contouring Control for Vehicle Obstacle Avoidance at the Limit of Handling
Delft University of Technology（代尔夫特理工大学）；Siemens PLM Software（西门子PLM软件公司）
针对车辆在操纵极限下的紧急避障问题，提出融合规划、跟踪与稳定性的非线性MPCC，并通过高保真仿真和实时硬件验证其性能。
2023-08-13 cs.RO cs.SY eess.SY
Tube-Based Robust Control Strategy for Vision-Guided Autonomous Vehicles
Department of Electrophysics, National Yang Ming Chiao Tung University（电子物理系，阳明交通大学）
本文提出了一种基于管的鲁棒控制策略，用于提高自动驾驶车辆在高速转弯时的车道保持性能，通过减少保守性和提高计算速度，优于传统方法。
2026-10-14 cs.CV cs.RO cs.SY
Energy-Efficient Lane Changes Planning and Control for Connected Autonomous Vehicles on Urban Roads
University of California, Berkeley（加州大学伯克利分校）
本文提出一种利用SPaT信息的城市道路CAV节能换道规划与控制方法，结合人类驾驶启发式决策和优化轨迹规划，实验证明相比车道保持算法可节省37.1%能耗。
2023-11-28 cs.RO cs.SY eess.SY
Simulation-based Analysis Of Highway Trajectory Planning Using High-Order Polynomial For Highly Automated Driving Function
Hochschule Furtwangen University（富特旺根应用科学大学）；Kempten University of Applied Sciences（肯普滕应用科学大学）；Ulm University（乌尔姆大学）
本文针对高度自动驾驶功能，提出基于高阶多项式的安全无碰撞高速公路车道变换轨迹规划方法，通过行为规划模块生成轨迹，并经MATLAB仿真验证，显著提升了车道变换的安全性和稳定性。
2025-03-06 cs.RO cs.SY eess.SY
Multi-Modal Model Predictive Path Integral Control for Collision Avoidance
Delft University of Technology（代尔夫特理工大学）
针对自动驾驶车辆避障决策，本文提出多模态 MPPI 控制，结合 Sobol 采样、避障解析解和轮胎摩擦约束，在多种高保真场景中实现稳定无碰撞行驶并优于标准 MPPI。
2025-08-29 cs.RO cs.SY eess.SY
Decentralised Cooperative Collision Avoidance with Reference-Free Model Predictive Control and Desired Versus Planned Trajectories
Applus IDIADA（阿普萨研究院）
本文提出了一种去中心化协作避障方法，通过期望与计划轨迹的区分，使车辆在无需领导者和显式协议的情况下实现协同和鲁棒行为，有效处理多种碰撞场景。
2019-04-15 cs.SY eess.SY
Set Membership based Nonlinear Model Predictive Control
本文提出了一种数值上有效的非线性模型预测控制（NMPC）方法，称为基于集员关系的NMPC（SM-NMPC）。特别是，一个集成员方法是用来从数据的近似和严格的界限上的最佳NMPC控制律。这些量用于降低NMPC优化问题的搜索域的维数和体积，从而允许显著缩短计算时间。所提出的SM-NMPC策略在仿真中进行了测试，考虑到现实的自动驾驶车辆场景，如平行停车和车道保持操纵。
2023-01-31 cs.SY eess.SY
A Digital Twin prototype for traffic sign recognition of a learning-enabled autonomous vehicle
Aristotle University of Thessaloniki（亚里士多德大学塞萨洛尼基分校）；Bar Ilan University（巴伊兰大学）
本文提出一种用于具备学习能力的自动驾驶车辆的数字孪生原型，采用协同仿真架构集成车辆、环境、车道保持控制器及BIP感知模块，以实现交通标志识别与车道保持功能。
2024-02-14 cs.AI cs.RO cs.SY
Priority-Driven Safe Model Predictive Control Approach to Autonomous Driving Applications
Mechatronics group at the Department of Electrical Engineering, Chalmers University of Technology（楚克大学电气工程系机电组）；Dept. of Electrical and Information Engineering, Italian National Ph.D. DAUSY, Polytechnic of Bari（意大利国家博士项目DAUSY巴里理工学院电子与信息工程系）
本文提出一种优先级驱动的安全模型预测控制方法，通过选择性软化低优先级约束并引入学习近似实现实时执行，在自动驾驶自适应巡航和自动变道场景中有效保障碰撞避免等硬安全约束。
2025-05-09 cs.RO cs.SY eess.SY
Real-time Nonlinear MPC Strategy with Full Vehicle Validation for Autonomous Driving
在本文中，我们提出了一个嵌入式的最佳控制策略的开发和部署的自动驾驶应用程序的福特福克斯公路车辆。针对具有强实时约束的系统，设计并实现了非线性模型预测控制。我们展示了适合于驾驶任务的序列二次规划（SQP）优化求解器的特性。重要的是，设计的算法基于标准的汽车XiL开发周期进行验证：具有高保真车辆动力学的模型在环（MiL），具有车辆驱动和嵌入式平台的硬件在环（HiL）以及完整的车辆硬件在环（VeHiL）。自动驾驶环境包含虚拟仿真和物理试验场轨道。通过与目标嵌入式工具链兼容的代码生成，使用可部署的C代码对NMPC算法和最优控制问题公式进行微调。最后，所开发的系统应用于自主避碰，轨迹跟踪，并在高速城市/高速公路和低速停车环境中的车道变化。
2022-12-15 cs.SY eess.SY
Structured learning of safety guarantees for the control of uncertain dynamical systems
将动力系统保持在状态约束内的方法通常依赖于基于模型的安全条件来限制控制信号。在面对显著的建模不确定性时，由于安全条件变得过于保守，系统可能遭受重要的性能损失。机器学习可以用来减少系统动态的不确定性，并实现更高的性能。在这篇文章中，我们提出了安全的不确定性学习原则，并认为学习必须适当地结构化，以保持安全保证。例如，鲁棒的安全条件是必要的，并且在学习之前必须用保守的不确定性界限初始化它们。此外，只有在收集的数据足以捕获未来的系统行为时，才应该收紧不确定性界限。为了支持该原理，利用控制障碍函数解决了两个示例问题：用于自主车辆的车道变换控制器和自适应巡航控制器。这项工作提供了一种方法来评估机器学习是否在控制不确定动力系统时保持安全保证。它还强调了学习控制的挑战性方面。
2022-01-29 cs.SY eess.SY
Predictive stability filters for nonlinear dynamical systems affected by disturbances
本文扩展预测安全滤波器框架，通过利用预测轨迹构造的隐式 Lyapunov 函数保证受扰非线性闭环系统的鲁棒渐近稳定性，并在汽车车道保持仿真中验证了所提策略。
2024-04-29 cs.SY eess.SY math.OC
Shared lateral control with on-line adaptation of the automation degree for driver steering assist system: A weighting design approach
University of Valenciennes, France（法国瓦朗谢讷大学）
本文讨论了驾驶员转向辅助系统（DSAS）的车道保持和避障任务的共享横向控制。在这项工作中，我们提出了一种新的方法来处理人（驾驶员）和机器（DSAS）之间的相互作用，通过引入到车辆系统中的一个虚构的非线性项表示的驾驶员活动。以这种方式，根据驾驶员行为（动作和意图）计算DSAS的动作。基于Takagi-Sugeno控制技术和李雅普诺夫稳定性工具，所设计的控制器能够处理车辆纵向速度的大范围变化。特别地，该控制器可以处理系统状态约束和控制输入饱和。如后面将讨论的，在控制设计中考虑这些约束显著地改善了在各种驾驶情况下的闭环性能。仿真结果验证了该方法的有效性。
2020-03-04 cs.RO cs.SY eess.SY
Distributed Control for a Robotic Swarm to Pass through a Curve Virtual Tube
Beihang University（北京航空航天大学）
机器人群体系统现在变得越来越有吸引力的许多具有挑战性的应用。任何机器人的主要任务都是到达目的地，同时与其他机器人和障碍物保持安全分离。在许多情况下，机器人需要在狭窄的走廊内移动，通过窗户或门框。为了引导所有机器人在杂乱的环境中运动，本文设计了一个内部没有障碍物的曲线虚拟管道。管内没有障碍物，即管内区域可视为安全区。然后，提出了一种分布式群体控制器，其中包含三个复杂的控制项：直线逼近项、机器人回避项和管道保持项。通过形式化的分析和证明，证明了曲线虚拟管通过问题可以在有限时间内求解。为了便于实际应用，提出了一种具有近似控制性能的改进控制器。最后，通过数值仿真和实际实验验证了该方法的有效性.为了显示所提出的方法的优点，我们的方法和控制障碍函数方法之间的比较，也提出了在计算速度方面。
2022-05-17 cs.MA cs.RO cs.SY
Formal Synthesis of Stochastic Systems via Control Barrier Certificates
本文主要研究离散随机控制系统的控制策略合成问题，并给出了系统满足复杂时间特性的概率下界。所需的系统属性表示为线性时序逻辑（LTL）规范在有限的痕迹。特别是，我们的方法分解成更简单的可达性任务的基础上，其自动机表示给定的规范。然后，我们提出了使用所谓的\emph{control barrier certificate}来解决这些简单的可达性任务，以及计算相应的控制器和概率界。最后，我们结合这些控制器，以获得一个混合控制策略解决所考虑的问题。在一定的假设下，我们还提供了两个系统的方法，不可数和有限的输入集搜索控制屏障证书。我们证明了所提出的方法对室温控制和车道保持的车辆建模为四维单轨运动学模型的有效性。我们比较我们的结果与文献中的离散化为基础的方法。
2020-08-05 cs.SY eess.SY math.OC
