כתבה
arXiv cs.LG ·
בקרה סביבתית של נסיעה לאורך דרך: השוואה כוללת של שיטות הכוונה ו-NMPC לרכבי חשמל
Energy-Aware Path Following: Comparative Analysis of Reinforcement Learning and NMPC for Electric Vehicles
במאמר זה, נבחן את יעילות של שיטות הכוונה שונות לרכבי חשמל, כולל שיטות NMPC ו-RNN. המחקר כולל תיאור של המודלים השונים, כמו גם תיאור של התוצאות שהתקבלו. המאמר גם כולל דיון בנושאי עתידיים, כמו פיתוח של שיטות הכוונה חדשות.
תקציר מקורי באנגליתarXiv:2610.08112v1 Announce Type: cross Abstract: Path-following control strategies typically follow the bi-objective optimization dilemma: minimizing deviations from a reference path while maintaining smooth speed profiles. The latter objective is especially relevant for Electric Vehicles (EVs), since their limited driving range can be extended by recovering energy through regenerative braking, a feature that has not yet been sufficiently studied in the literature. In this work, we perform a comparative analysis of four controllers under one common Frenet frame-based kinematic vehicle model, utilizing a validated energy model (VT-CPEM) with explicit regenerative braking. Herein, we implement the following controllers: Nonlinear Model Predictive Control (NMPC), Proximal Policy Optimization
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית