對自動駕駛控制算法的感想

對自動駕駛控制算法的感想首先需要強調一點，不要用規(guī)劃及其上層的視角看控制算法。確定性規(guī)劃算法大都可以用幾何學和凸優(yōu)化領域知識進行解決，更確切的說，可以復用機器人的相關算法；但是自動駕駛的被控對象是車輛，主要區(qū)分機器人和自動駕駛的模塊就是控制模塊。車輛控制發(fā)展這么多年，積累了大量的專屬經驗和算法，慢工出細活在控制模塊發(fā)揮的淋漓盡致?？刂扑惴ㄗ顑?yōu)解基本可以確定，其性能的提升靠的是理解和知識面的深度；反觀上游模塊還在不斷試新，由于偏見和不了解，上層模塊總是會低估控制模塊，或許當時還沒到請他出山的時候。記得老早之前，剛接觸車輛控制算法還是在ESP算法開發(fā)，也是在期間更熟悉了解車輛控制，也真正感受到車輛動力學估算的魅力。用有限的傳感器信號估算各種車輛狀態(tài)，判斷車輛是否在失穩(wěn)臨界范圍。當前自動駕駛，還是關注在有沒有能力通過空間層面，還沒有關注到天氣對路面的影響會不會導致失穩(wěn)，一切都是基于完美附著系數路面，一切橫縱向加速值都是基于完美路面的最保守值。對于我所想到的問題有沒有實際意義，就要看幾年后自動駕駛實現了0-1,1-100的性能問題中會不會遇到。2022-01-25對于控制算法除了基本ModelPredictiveControl外，早在大學本科期間一直研究NNMPC（基于神經網絡的MPC）,相對于普通MPC它有幾處不同：1、模型是神經網絡，為了偏導連續(xù)使用tanh激活函數;為了偏導可理論求解使用前向無反饋網絡。網絡需要數據訓練，由于訓練模型需要具備預測功能，所以訓練數據需要進行時序處理。2、沒有專門求解器，需要BFGS擬牛頓法近似求解hessian矩陣和backtrackingsearchline求解搜索步長。本科專業(yè)機械，靠著一腔熱血和優(yōu)秀的MATLAB工具，摸索出一條該算法的主線。由于算法求解耗時巨大，也決定了這類算法主要適應延遲大的系統(tǒng)。在自己對NNMPC有了一定了解后，決定深入研究學習下MATLAB的NNMPC工具箱，在研究〃水箱〃的Demo時，發(fā)現其核心封裝模塊存在時序問題，自己就按照自己理解進行修改，發(fā)現效果比原示例結果好很多。自己也把問題反饋MATLAB官方（2017），但是自己提供不了正規(guī)許可碼，該問題反饋被駁回。這么多年過去了，不知道該問題有沒解決。2022-06-07由于當前不再做控制算法開發(fā)了，所以對控制算法的開發(fā)，就想多說點吧。1、車輛橫縱向控制要分開。車輛縱向建模復雜，再加上傳動效率損失，幾乎不能精確建模，但是橫向模型是可以建立的。2、橫向模型需要盡可能精確化。橫向穩(wěn)態(tài)響應模型分為2DOF.3DOF.6DOFe2DOF最基本，適用于高附著系數路面的常規(guī)場景；3DOF當前最理想的模型，適用于雨雪天氣路面；6DOF沒有使用和深入研究過。3、橫向模型參數需要辨識。橫向穩(wěn)態(tài)響應模型的意義是提高前饋精度，減少對閉環(huán)的依賴,如果參數不準，前饋精度不夠，嚴重依賴閉環(huán)的話，導致彎道、直道等場景超調嚴重，引起蛇形或者不收斂的情況。4、控制算法不能僅面對規(guī)劃。大部分人都認為控制算法的意義就是跟蹤規(guī)劃軌跡，其實這只對一半?？刂扑惴ǖ纳嫌问且?guī)劃，下游是車輛和道路，所以控制算法除了跟蹤軌跡外，還需要解決：①方向盤零偏、②斜坡、③車身傳感器零偏等等。5、控制算法的選擇。PID、MRAC、MPC等算法都有優(yōu)缺點和合適的算法模塊。橫向不要選擇可能引入超調的算法。6、不存在玄學調參的情況。每個算法的輸入和輸出都有一定關系，如果出現玄學調參的話，只可能存在兩種情況：①算法邏輯出錯和②自己的算法理解不足。7、規(guī)控性能問題解耦。規(guī)劃算法層不存在閉環(huán)邏輯，控制算法要處理好橫縱向的所有閉環(huán)，這是解決性能問題耦合的重要一環(huán)。8、承認自己模塊有問題。感知和規(guī)控的恩怨就如同規(guī)劃和控制，相互耦合無法完全梳理清除，承認自己模塊有問題，才有契機去探究根因，才能找出解決問題的最佳模塊。9、根本解決問題?？赡馨l(fā)生的事，就肯定會發(fā)生，只是時間問題，所以勿圖快，只解決表面問題。10、算法性能可能和車型相關。大型suv往往比c級車操控性能更穩(wěn)，