Steering Feedback in Dynamic Driving Simulators: The Influence of Steering Wheel Vibration and Vehicle Motion Frequency
本研究探究动态驾驶模拟器中方向盘振动与车身运动频率成分对转向反馈主观评价的影响，通过30人对照实验发现其显著影响评价质量，且与现有动态反馈性能指标无关。
2025-04-15 cs.SY eess.SY
Cyber-Physical Control of Indoor Multi-vehicle Testbed for Cooperative Driving
车-车、车-基础设施互联系统可以看作是一个无线信息物理系统（Wireless CPSoS），它将具有系统的高度自适应控制能力、无线CPSoS控制的协同场景和自适应无线网络控制系统（WNCS）。在本文中，我们提出了我们的多车辆测试平台的基础上的信息物理系统，设计用于验证和验证的协同驾驶算法，涉及WNCS测试。车辆被开发为配备Raspberry-pi微处理器和其他传感元件的物理原型。该试验台由4辆机器人车辆组成。利用惯性测量单元（IMU）和基于蓝牙低功耗技术的iBeacon，设计了一种基于粒子滤波的室内定位系统（IPS）。在该实验平台上可以实现一些典型的室内协同驾驶场景。采用基于卡尔曼滤波器（KF）的状态观测器的模型预测控制（MPC）实现目标状态。因为无线控制系统可能受到无线通信链路的缺陷的严重影响。该实验平台为将来采用新的无线技术和控制系统测试和评估更智能的协同驾驶场景铺平了道路。
2020-06-08 cs.SY eess.SY
Human-Machine Collaboration for Automated Vehicles via an Intelligent Two-Phase Haptic Interface
在实现完全自动驾驶之前，需要定期进行人为干预以确保车辆安全。这一事实对人机交互提出了新的挑战，特别是在从自动化功能到人类驾驶员的控制权限过渡期间。本文针对这一挑战，提出了一个智能触觉接口的基础上，新开发的两阶段人机交互模型。智能触觉扭矩施加在方向盘上，并根据人类驾驶员的不同状态和控制能力在预测指导和触觉辅助之间切换其功能，帮助驾驶员在接管过程中逐渐恢复手动控制。所开发的方法进行车辆实验与26人参与者进行验证。实验结果表明，与现有方法相比，该方法能有效提高驾驶员在接管过程中的驾驶状态恢复和控制性能，进一步提高自动驾驶汽车人机交互的安全性和流畅性.
2020-02-28 cs.SY eess.SY
Eco-Driving Control for Electric Vehicles with Multi-Speed Transmission: Optimizing Vehicle Speed and Powertrain Operation in Dynamic Environments
University of Minnesota（明尼苏达大学）
本文提出了一种针对多速变速器电动车的生态驾驶算法，通过联合优化车辆速度和动力总成操作，在动态环境中实现能耗降低。
2026-01-27 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
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
Driving Conflict Resolution of Autonomous Vehicles at Unsignalized Intersections: A Differential Game Approach
针对无人驾驶汽车在无信号交叉口的行驶冲突问题，考虑驾驶者的个性化驾驶偏好，提出了一种基于微分对策的无人驾驶汽车行驶冲突决策框架.为了实现人性化驾驶和个性化决策，首先为自动驾驶汽车定义了驾驶攻击性。为提高汽车行驶安全性，建立了高斯势场模型用于汽车碰撞风险评估。此外，在所提出的决策框架中，碰撞风险评估模型进一步使用基于事件触发机制，以减少计算复杂度。在支付函数的构建中，既综合考虑了行车安全性和通过效率，又体现了行车的积极性。微分对策的两种均衡解，Nash均衡和Stackelberg均衡，并进行了讨论和求解。最后，通过硬件在环测试平台对所提出的决策算法进行了测试，验证了其可行性、有效性和实时性。
2022-05-09 cs.SY eess.SY
Effects of eco-driving on energy consumption and battery degradation for electric vehicles at signalized intersections
本文利用动态规划构建融合电池退化模型的生态驾驶算法，优化网联电动汽车通过双信号交叉口的速度轨迹，并通过参数分析与实地手机应用测试验证其节能、延寿及最高49%的成本收益。
2024-10-02 cs.SY eess.SY
Overtaking-enabled Eco-approach Control at Signalized Intersections for Connected and Automated Vehicles
针对信号交叉口前车影响生态驾驶控制效果的问题，提出结合车道规划与速度优化的支持超车的生态进场控制策略，通过两阶段滚动优化降低车辆能耗与延误，仿真验证其优于现有策略。
2023-06-16 cs.SY eess.SY
No driver, No Regulation? --Online Legal Driving Behavior Monitoring for Self-driving Vehicles
针对自动驾驶车辆的交通法规合规监测难题，提出基于分层触发域的法规数字化架构，通过原子命题实现在线监测，在真实数据集验证后可为法规制定和合规决策提供参考。
2023-06-01 cs.SY eess.SY
Cooperative Control in Eco-Driving of Electric Connected and Autonomous Vehicles in an Un-Signalized Urban Intersection
研究了电动互联自动驾驶汽车（CAV）在城市无信号交叉口的最优生态行驶速度分布问题。该问题被制定为一个单级优化和解决使用庞特里亚金的最小值原则（PMP）。分析解决方案，发生在交叉口的各种冲突。在CAV之间引入合作作为共享意图的能力。两个层次的合作，即合作ED（C-ED）和非合作（NC-ED）算法进行评估，在仿真环境中，能源效率与智能驾驶员模型（IDM）为基线。
2022-06-24 cs.SY eess.SY
Eco-driving under localization uncertainty for connected vehicles on Urban roads: Data-driven approach and Experiment verification
本文针对城市道路联网车辆在定位不确定性下的生态驾驶问题，提出一种数据驱动MPC方法，通过学习代价函数和约束实现短时域实时速度规划，并在实车实验中实现12%的能效提升。
2024-04-04 cs.SY eess.SY
Optimal Thermal Management, Charging, and Eco-driving of Battery Electric Vehicles
本文讨论了电池电动汽车（BEV）的最佳电池热管理（BTM）、充电和生态驾驶，目标是提高其电网到电表的能源效率。因此，制定了一个优化问题，旨在寻找出行时间和充电成本之间的最佳权衡。然后，将所制定的问题转化为混合动力系统，其中驾驶和充电模式中的动态用不同的函数以及不同的状态和控制向量来建模。此外，为了提高计算效率，我们建议在空间域中对驾驶动力学进行建模，其中沿着行驶距离做出决策。充电动态在时域中建模，其中沿着归一化的充电时间做出决策。实际充电时间被建模为标量变量，该标量变量针对充电和驾驶模式与最优状态和控制轨迹同时优化。所提出的算法的性能进行评估，在一条道路与丘陵地形，其中两个充电的可能性被认为是沿驾驶路线。根据结果，与没有电池主动加热/冷却的情况相比，包括驾驶和充电时间在内的行程时间减少了44%。
2022-05-03 cs.SY eess.SY
Distributed Eco-Driving Algorithm of Vehicle Platoon Using Traffic Light and Road Slope Information
研究了车辆编队的生态驾驶问题。为了降低车队避开红灯的概率，提高燃油效率，提出了一种双层控制结构。第一层负责利用交通灯和道路坡度信息优化领导者的长期运动轮廓。在分析车队对绿灯窗口可达性的基础上，建立了车队的长期规划模型。提出了一种事件触发机制来运行长期规划模型。第二层是短期适应，其中领导者尝试实时跟随规划运动轮廓，而跟随者跟踪最近的前车和领导者，以保持期望的车间距。一个牛顿的方法为基础的算法，有效地解决长期规划和短期适应问题。仿真结果表明了所提出的公式和算法的有效性。
2022-02-20 cs.SY eess.SY
Developing Robot Driver Etiquette Based on Naturalistic Human Driving Behavior
本文研究机器人驾驶礼仪问题，通过分析自然驾驶数据库提取人类驾驶行为关键参数，为未来高自动化车辆算法设计和仿真中的人类驾驶行为建模提供指导。
2018-08-01 cs.RO cs.SY eess.SY
Real-time Eco-Driving Control in Electrified Connected and Autonomous Vehicles using Approximate Dynamic Programming
互联和自动驾驶汽车（CAV），特别是那些具有混合动力电动动力系统的汽车，有可能在现实驾驶条件下显着提高汽车节能。特别是，生态驾驶问题寻求基于来自连接和高级地图功能的可用信息来设计最佳速度和功率使用曲线，以最大限度地减少行程中的燃料消耗。本文提出了一种分层的多层模型预测控制（MPC）方法，用于提高连接车辆环境中的48 V轻度混合动力系统的燃油经济性。近似动态规划（ADP）被用来解决滚动时域最优控制问题（RHOCP），其中RHOCP的终端成本近似为从长期优化获得的基本策略。该控制器在多个真实路线上进行了广泛的虚拟测试（使用确定性和蒙特卡罗模拟），其中节能超过20%。此外，开发的控制器进行部署和测试，在试验场上的测试车辆配备了快速原型嵌入式控制器的实时。实时车载测试证实了在模拟中观察到的节能效果，并证明了所开发的控制器在实时应用中的有效性。
2021-08-05 cs.SY eess.SY
Overview Analysis of Recent Developments on Self-Driving Electric Vehicles
Georgia Southern University（佐治亚南方大学）
本文综述了自动驾驶电动汽车在能量存储、电池均衡、充电布局、电机与制动等关键子系统上的最新进展，并展示了若干原型车成果。
2024-07-04 cs.RO cs.SY eess.SY
Road Traffic Law Adaptive Decision-making for Self-Driving Vehicles
Tsinghua University（清华大学）；Road Traffic Safety Research Center（道路交通安全研究中心）；Beijing Institute of Technology（北京理工大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出一种基于强化学习和线性时序逻辑的道路交通法规自适应决策方法，通过法规自适应后备策略、长期动作空间监测和轨迹重规划，使自动驾驶车辆在CARLA模拟场景中有效遵守新颁布或更新的交通法规。
2023-04-19 cs.RO cs.SY eess.SY
High Speed Emulation in a Vehicle-in-the-Loop Driving Simulator
Stanford University（斯坦福大学）
渲染准确的多感官反馈对于确保驾驶模拟器中的自然用户行为至关重要。在这项工作中，我们提出了一个虚拟现实（VR）为基础的车辆在环（ViL）模拟器，提供视觉，前庭，触觉反馈的司机在高速驾驶条件下。围绕四轮线控转向车辆设计我们的模拟器使我们能够模拟车辆行驶速度明显快于测试车辆的动态，并将相应的触觉转向反馈传输给驾驶员。通过结合VR视觉效果、车辆动力学仿真和方向盘力反馈来调整测试车辆的速度，我们可以在有限的驾驶空间内安全、身临其境地运行高达高速公路速度的实验。在双车道变化和高速公路编织实验中，我们的高速仿真方法跟踪人类感知范围内的偏航运动，并提供与手动驾驶相同的动作相媲美的感官反馈。
2022-03-21 cs.RO cs.SY eess.SY
Self-Perception Versus Objective Driving Behavior: Subject Study of Lateral Vehicle Guidance
Institute for Driver Assistance and Connected Mobility, University of Applied Science Kempten（肯普滕应用科学大学驾驶辅助与互联移动研究所）；Department of Automotive Engineering, Technical University Berlin（柏林工业大学汽车工程系）
本文通过62名德国驾驶员的受控实车研究，提出评估横向弯道通过行为的新指标，并引入德语版多维驾驶风格量表MDSI-DE，发现自我报告与客观横向驾驶行为仅存在适度相关且个体差异显著，为个性化自动驾驶横向控制提供数据支持。
2024-02-21 cs.RO cs.SY eess.SY
Bayesian Persuasive Driving
University of California, Berkeley（加州大学伯克利分校）
本文提出了一种基于优化的贝叶斯说服驾驶算法，通过 ego 车辆向周围车辆发送信息以改变其对世界状态的后验信念，从而在降低双方成本的同时提高自动驾驶质量和整体驾驶环境。
2018-09-25 cs.SY eess.SY math.OC
A Comprehensive Eco-Driving Strategy for Connected and Autonomous Vehicles (CAVs) with Microscopic Traffic Simulation Testing Evaluation
本文提出了一种综合的CAV生态驾驶策略。在这种设置中，多种驾驶模式同时计算出适合各自约束条件的速度曲线，以尽可能节省燃油，而高级（HL）控制器则确保在环保驾驶的驾驶模式之间平稳过渡。这种生态驾驶确定性控制器的自我CAV配备了车辆到基础设施（V2I）和车辆到车辆（V2V）的算法。仿真结果表明，HL控制器确保显着的燃油经济性改善相比，基线驾驶模式，自我CAV和交通车辆之间没有碰撞，而自我CAV的驾驶模式下，不断变化的约束条件下正确设置。
2022-06-16 cs.MA cs.NA cs.SY
Robust AI Driving Strategy for Autonomous Vehicles
Ford Motor Company（福特汽车公司）
在自动驾驶的传感、感知和定位方面已经取得了重大进展，然而，由于交通/道路结构场景的广泛性和人类驾驶员行为的长尾分布，对于智能车辆来说，始终知道如何在给定可用的传感/感知/定位信息的情况下对道路做出并执行最佳决策仍然是一个公开的挑战。在本章中，我们将讨论人工智能，更具体地说，强化学习，如何利用操作知识和安全反射来做出战略和战术决策。我们讨论了与强化学习解决方案的鲁棒性相关的一些具有挑战性的问题，以及它们对自动驾驶汽车驾驶策略的实际设计的影响。我们专注于高速公路上的自动驾驶以及强化学习、车辆运动控制和控制障碍功能的集成，从而形成一种强大的AI驾驶策略，可以安全地学习和适应。
2022-07-16 cs.RO cs.SY eess.SY
Model Validation of a Low-Speed and Reverse Driving Articulated Vehicle
Eindhoven University of Technology（埃因霍温理工大学）；Siemens Digital Industries Software（西门子数字工业软件）
针对配送中心铰接式车辆低速与倒车定位及建模难题，本文通过稳定系统不稳定极点，对比运动学、非线性单轨和多体动力学模型与实车数据，证明非线性单轨模型在大铰接角及倒车操纵中性能最优。
2023-10-01 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
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
Multi-Agent Collaboration for Building Construction
Indian Institute of Science（印度科学学院）
本文详细介绍了所涉及的算法和任务规划器的车辆协作建立一个结构。2020年穆罕默德·本·扎耶德国际机器人挑战赛（Mohammed Bin Zayed International Robotic Challenge 2020，MBZIRC）这项工作解决了无人机（UAV）和无人地面车辆（UGV）面临的挑战的各个方面。挑战涉及使用无人机和UGV重复拾取和放置操作，以建立两个不同形状和大小的结构。该算法使用机器人操作系统（ROS）框架实现，并在Gazebo可视化。整个开发的架构可以很容易地在合适的硬件实现。
2020-09-25 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
Automatic Parameter Tuning of Self-Driving Vehicles
BMW Group（宝马集团）
本文提出一种自动驾驶车辆轨迹规划与控制参数的自动调整方法，通过捕捉控制器闭环运行与专家演示偏差的代价函数并结合局部优化技术，在真实车道保持场景中显著优于手动调参。
2024-06-25 cs.RO cs.SY eess.SY
Driving Conditions-Driven Energy Management for Hybrid Electric Vehicles: A Review
出于对运输燃料消耗和全球空气污染的关注，工业工程师和学术研究人员做出了许多努力来建造更高效和环保的车辆。混合动力电动汽车（Hybrid Electric Vehicles，HEV）通过协调不同储能装置之间的能量补充来满足动力需求，具有代表性。为了实现这一目标，能源管理方法是关键技术，而驾驶循环是关键的影响因素。因此，本文的目的是总结驱动的能量管理策略（EMS）的混合动力汽车。首先，在能源管理领域的驱动周期的定义和意义进行了澄清，并在这一研究领域的最新文献进行了回顾和再访问。此外，根据已知的驾驶循环信息，将EMS分为三类，并对标准驾驶循环、长期驾驶循环生成（LT-DCG）和短期驾驶循环预测（ST-DCP）等相关研究方向进行了阐述和分析。此外，现有的数据库的驾驶循环在公路和城市方面的展示和讨论。最后，本文还阐述了与驾驶循环相关的能源管理技术的未来展望。本文旨在帮助相关研究人员了解混合动力汽车能量管理领域的研究现状，并明确其未来的发展方向。
2020-08-01 cs.SY eess.SP eess.SY
Impact of Strategic Electric Vehicles Driving Behavior on the Grid
在交通电气化的背景下，耦合电动汽车（EV）的驾驶和充电决策模型被认为是。虽然交通分配问题（TAP）被认为是驾驶部分，充电操作是在一个简单的配电网络上的准确的负载流。此设置允许精确评估驾驶和充电决策的耦合影响。特别地，为了调度来自驾驶部分的充电需求，根据基于负载流计算的成本度量来定义和比较不同的充电策略。鉴于此度量，所提出的非基于潮流的策略可以执行类似于基于潮流的策略，并且具有显著减少的计算时间和数据需求。数值模拟显示了运输费用如何影响收费结果。
2021-11-12 cs.GT cs.SY eess.SY
Distributionally Consistent Simulation of Naturalistic Driving Environment for Autonomous Vehicle Testing
University of Michigan（密歇根大学）；University of Michigan Transportation Research Institute（密歇根大学交通研究所）
微观交通仿真为自动驾驶汽车（AV）提供了一个可控、可重复和高效的测试环境。为了无偏地评价无人驾驶汽车的安全性能，模拟自然驾驶环境（NDE）中的环境统计量的概率分布需要与真实驾驶环境中的环境统计量的概率分布一致。然而，尽管人类驾驶行为在交通工程领域已经得到了广泛的研究，但现有的大多数模型都是针对交通流分析而开发的，没有考虑驾驶行为的分布一致性，这可能会导致严重的评价偏差。为了填补这一研究空白，本文提出了一个分布式一致性无损检测建模框架。利用大规模的自然驾驶数据，获得经验分布，构建不同条件下的随机人类驾驶行为模型。为了解决仿真过程中的误差积累问题，进一步设计了一种基于优化的方法来细化经验行为模型。具体而言，车辆状态的演变被建模为马尔可夫链，其平稳分布被扭曲，以匹配来自现实世界的驾驶环境的分布。在多车道高速公路驾驶模拟的案例研究中，该框架进行了评估，其中所生成的NDE的分布精度进行了验证，并有效地评估了AV模型的安全性能。
2022-07-02 cs.RO cs.SY eess.SY
Energy-Efficient Autonomous Driving Using Cognitive Driver Behavioral Models and Reinforcement Learning
University of Michigan（密歇根大学）
预计自动驾驶技术不仅可以提高机动性和道路安全性，还可以带来能源效率方面的好处。在可预见的未来，自动驾驶汽车（AV）将在与人类驾驶汽车共享的道路上运行。为了保持安全性和活力，同时最大限度地减少能源消耗，自动驾驶规划和决策过程应该考虑到自主自我车辆与周围人类驾驶车辆之间的相互作用。在本章中，我们描述了一个框架，通过利用基于认知层次理论和强化学习的人类驾驶员行为建模，在共享道路上开发节能自动驾驶政策。
2021-11-27 cs.RO cs.SY eess.SY
Safe Driving Capacity of Autonomous Vehicles
Department of Electrical Engineering（电气工程系）；National Taiwan University（国立台湾大学）
本文通过线性时序逻辑定义道路和车辆的安全状态，提出安全驾驶吞吐量和容量概念，分析不同因素对安全驾驶吞吐量的影响，并比较基于感知和协作车辆的道路安全驾驶容量差异。
2018-05-26 cs.RO cs.SY eess.SP
Integrated Eco-Driving and Powertrain Optimization for Hybrid Vehicles in Complex Urban Traffic
Louisiana State University（路易斯安那州立大学）
针对城市混合动力汽车，提出集成有限时域生态驾驶规划框架，联合优化交通行为与动力总成运行，同时建模多方面驾驶行为及动力总成运行，模拟研究表明该方法能在维持合规驾驶计划时改善能源性能。
2026-07-29 cs.SY eess.SY math.OC
Automated Driving Architecture and Operation of a Light Commercial Vehicle
İstanbul Okan University（伊斯坦布尔奥坎大学）；Yıldız Technical University（耶尔德兹技术大学）；TÜBİTAK BİLGEM Cyber Security Institute（土耳其科学技术研究理事会信息科学与安全研究所）；TOFAŞ Research and Development Center（托法什研发中心）；The Ohio State University（俄亥俄州立大学）
本文提出一种轻型商用车自动驾驶架构，通过线控改造、多传感器融合定位与环境感知、实时计算平台及CACC纵向控制和GPS路径跟踪，实现并验证了车辆的自动驾驶运行。
2023-05-24 cs.RO cs.SY eess.SY
Quick Learner Automated Vehicle Adapting its Roadmanship to Varying Traffic Cultures with Meta Reinforcement Learning
University of Michigan（密歇根大学）；Ford Motor Company（福特汽车公司）
在各种交通文化和驾驶条件下，自动驾驶车辆在野外以适当的道路驾驶技术（安全有效地驾驶，而不打扰或危及其他道路使用者）执行任意车道变换至关重要。虽然深度强化学习方法近年来表现出色，并被应用于自动驾驶汽车策略，但人们担心它们是否能够快速适应新环境动态下看不见的交通。我们将这一挑战表述为多马尔可夫决策过程（MDP）适应问题，并开发了Meta强化学习（MRL）驱动策略，以展示其快速学习能力。两种类型的分布变化的环境中设计和模拟，以验证快速适应能力的MRL驾驶策略，显着优于基线RL。
2021-04-18 cs.LG cs.SY eess.SY
One Stack, Diverse Vehicles: Checking Safe Portability of Automated Driving Software
University of the Bundeswehr Munich（联邦国防军慕尼黑大学）；BMW Group（宝马集团）
本文针对自动驾驶软件在不同硬件配置车辆上的安全集成与更新问题，提出一种形式化可移植性检查方法，通过推导目标配置模型并获取安全集，在几分钟内自动验证传统与神经网络自适应巡航控制器的安全行为，为快速软件集成与参数适配提供反馈。
2025-01-30 cs.RO cs.SY eess.SY
A Vehicle-in-the-Loop Simulator with AI-Powered Digital Twins for Testing Automated Driving Controllers
Department of Electrical Engineering, Eindhoven University of Technology（电子工程系，埃因霍温理工大学）；Siemens Digital Industries Software（西门子数字工业软件）；Department of Mechanical Engineering, Eindhoven University of Technology（机械工程系，埃因霍温理工大学）
本文提出一种结合缩比实体车辆与AI驱动数字孪生体的车辆在环仿真器，以低成本、高保真且易扩展的方式验证自动驾驶控制器，并通过带形式化安全保证的滤波控制基准和实验证明了其有效性。
2025-07-03 cs.RO cs.SY eess.SY
Learning to falsify automated driving vehicles with prior knowledge
BMW Group（宝马集团）；University of Padova（帕多瓦大学）
虽然自动驾驶技术已经取得了巨大的进步，但安全的自动驾驶和自动驾驶车辆的可扩展和严格的测试和验证仍然具有挑战性。本文提出了一种基于学习的证伪框架，用于测试模拟中自动化或自驱动功能的实现。我们假设函数规范与可能场景上的违规度量相关联。先验知识被纳入到限制的情况下的参数方差和基于模型的证伪指导和改善学习过程。对于示例性自适应巡航控制器，与通过纯粹基于学习或纯粹基于模型的伪造方法获得的场景相比，所提出的框架产生具有更高奖励的非平凡伪造场景。
2021-01-25 cs.AI cs.RO cs.SY
karl. -- A Research Vehicle for Automated and Connected Driving
Institute for Automotive Engineering (ika), RWTH Aachen University（汽车工程研究所（ika），亚琛工业大学）
研究自动驾驶和车联网技术，介绍卡尔这一研究平台。通过分享其设计思路等，助于弥补机构独立研究受限的差距，为自动驾驶和车联网的研究、工程及验证提供灵活强大平台。
2026-07-07 cs.AR cs.RO cs.SY
A Mixed-Logical-Dynamical model for Automated Driving on highways
University of Pisa（比萨大学）；TU Delft（代尔夫特理工大学）
本文提出了一种混合决策框架，通过混合逻辑动态系统建模车辆动力学，采用简单驾驶规则防止冲突，将协调问题形式化为广义混合整数势博弈，平衡个体最优与整体安全。
2018-03-28 cs.GT cs.SY eess.SY
Capture Uncertainties in Deep Neural Networks for Safe Operation of Autonomous Driving Vehicles
基于深度神经网络（DNN）的感知和车辆运动的不确定性对安全自动驾驶车辆的开发提出了挑战。在本文中，我们提出了一个安全的运动规划框架，其特点是量化和传播基于DNN的感知不确定性和运动不确定性。这项工作的贡献有两个方面：（1）贝叶斯深度神经网络模型，它检测3D对象并定量捕获DNN的相关随机和认知不确定性;（2）不确定性感知运动规划算法（PU-RRT），它考虑了目标检测和自我车辆运动中的不确定性。通过在内置的CARLA中模拟复杂场景验证了所提出的方法。实验结果表明，所提出的运动规划方案能够有效应对基于DNN的感知和车辆运动的不确定性，提高自主车辆的运行安全性，同时仍能获得理想的效率。
2021-08-11 cs.AI cs.RO cs.SY
Co-simulation Platform for Developing InfoRich Energy-Efficient Connected and Automated Vehicles
Carnegie Mellon University（卡内基梅隆大学）；General Motors Company（通用汽车公司）
随着传感、计算和通信技术的进步，互联和自动驾驶车辆（CAV）变得可行。CAV的出现为提高单个车辆的能源效率提供了新的机会。然而，由于安全考虑和可重复性，测试和验证节能自动驾驶系统是困难的。在本文中，我们提出了一个联合仿真平台，以开发和测试新的车辆生态自动驾驶技术，名为InfoRich，它结合了来自车载传感器，V2X通信和地图数据库的信息。协同仿真平台包括生态自动驾驶软件、车辆动力学和动力系统（VD&PT）模型以及交通环境模拟器。此外，我们利用合成驱动周期来自现实世界的驾驶数据来测试现实驾驶场景下的策略。为了从真实世界的驾驶数据中构建道路网络，我们开发了一个名为AutoPASCAL的地图/场景自动解析器和计算器。总体而言，仿真平台提供了一个真实的车辆模型，动力系统模型，传感器模型，交通模型和道路网络模型，以评估生态自动驾驶的能源效率。
2020-04-16 cs.RO cs.SE cs.SY
Towards Infant Sleep-Optimized Driving: Synergizing Wearable and Vehicle Sensing in Intelligent Cruise Control
本文提出一种融合可穿戴传感与车辆数据的智能巡航控制框架，利用强化学习结合LSTM和Transformer动态优化驾驶策略，在CARLA仿真中显著提升婴儿睡眠质量并兼顾出行效率。
2025-08-17 cs.ET cs.LG cs.RO
A Right-of-Way Based Strategy to Implement Safe and Efficient Driving at Non-Signalized Intersections for Automated Vehicles
Graduate School at Shenzhen, Tsinghua University（清华大学深圳研究生院）；Department of Automation, BNRist, Tsinghua University（清华大学自动化系，北京理工大学）；traffic management solution division, traffic throughput through simulation experiments（交通管理解决方案部）
本文提出一种基于通行权分配的策略，用于在非信号交叉口实现安全高效的自动驾驶，通过测试比较现有策略，证明该策略在交通效率上优于原有策略，但受限于通信范围和缺乏长期规划，不如协作驾驶策略，但通信成本更低。
2019-04-22 cs.MA cs.RO cs.SY
Search-Based Motion Planning for Performance Autonomous Driving
Virtual Vehicle Research Center（虚拟车辆研究中心）；University of Pavia（帕维亚大学）；Graz University of Technology（格拉茨工业大学）
本文提出一种基于搜索的运动规划方法，在考虑非线性车辆动力学和状态输入约束下生成参考轨迹，以实现湿滑路面上的最短单圈时间。
2019-07-18 cs.RO cs.SY eess.SY
