CN111487904A - 参数配置方法及装置、电子设备和存储介质 - Google Patents

参数配置方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111487904A
CN111487904A CN202010290979.6A CN202010290979A CN111487904A CN 111487904 A CN111487904 A CN 111487904A CN 202010290979 A CN202010290979 A CN 202010290979A CN 111487904 A CN111487904 A CN 111487904A
Authority
CN
China
Prior art keywords
controller
control data
data
mode
control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010290979.6A
Other languages
English (en)
Other versions
CN111487904B (zh
Inventor
朱欣
曹晓旭
刘春晓
石建萍
成慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Lingang Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Priority to CN202010290979.6A priority Critical patent/CN111487904B/zh
Publication of CN111487904A publication Critical patent/CN111487904A/zh
Priority to JP2021577135A priority patent/JP2022538275A/ja
Priority to PCT/CN2021/086141 priority patent/WO2021208812A1/zh
Application granted granted Critical
Publication of CN111487904B publication Critical patent/CN111487904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25257—Microcontroller

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开涉及一种参数配置方法及装置、电子设备和存储介质。所述方法应用于智能设备，所述智能设备包括控制器，所述控制器包括第一控制器和第二控制器，所述方法包括：获取所述控制器输出的控制数据，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据；根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。

Description

参数配置方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种参数配置方法及装置、电子设备和存储介质。
背景技术
随着自动驾驶技术的兴起，越来越多的学术机构和科技公司开始参与到自动驾驶技术的研发工作中。其中，控制器作为自动驾驶***中必不可少的模块，受到了越来越多的关注。如何准确、高效、低成本、安全地对控制器进行参数配置，是亟待解决的问题。
发明内容
本公开提供了一种参数配置技术方案。
根据本公开的一方面，提供了一种参数配置方法，包括：
获取所述控制器输出的控制数据，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据；
根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。
通过获取智能设备的控制器输出的控制数据，其中，所述控制器包括第一控制器和第二控制器，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据，并根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数，由此将第一控制器作为参考控制器，将第二控制器作为被调控制器，准确、高效、低成本地为第二控制器找到可靠的参数，由此在后续进一步对第二控制器进行参数调整时，能够降低智能设备(例如车辆)失控的风险，降低由于第二控制器的参数配置不当带来的潜在交通事故的安全风险。
在一种可能的实现方式中，所述获取所述控制器输出的控制数据，包括：
获取第一参考轨迹数据，以及所述智能设备处于第一模式的第一状态数据；
通过所述控制器，根据所述第一参考轨迹数据以及所述第一状态数据，生成所述控制数据。
在该实现方式中，通过所述控制器，根据所述第一参考轨迹数据以及所述第一状态数据，生成所述控制数据，基于由此生成的第一控制数据和第二控制数据配置第二控制器的参数，能够使配置得到的第二控制器的参数更加适用于真实场景。
在一种可能的实现方式中，在所述获取所述控制器输出的控制数据之后，所述方法还包括：
根据所述第一控制数据，控制处于第一模式的所述智能设备行驶。
根据该实现方式，通过根据所述第一控制数据，控制处于第一模式的所述智能设备行驶，由此能够在实车中对第二控制器进行参数配置，从而能够降低在模拟器和实车上来回切换调试控制器的成本，并能使参数配置后的第二控制器更加适用于真实场景。
在一种可能的实现方式中，在所述配置所述第二控制器的参数之后，所述方法还包括：
获取第二参考轨迹数据，以及所述智能设备处于第一模式的第二状态数据；
通过所述第二控制器，根据所述第二参考轨迹数据以及所述第二状态数据，生成第三控制数据；
根据所述第三控制数据，控制处于第一模式的所述智能设备行驶。
根据该实现方式，通过根据所述第三控制数据，控制处于第一模式的所述智能设备行驶，由此能够在实车中对第二控制器进行参数调整，从而能够降低在模拟器和实车上来回切换调试控制器的成本，并能使参数调整后的第二控制器更加适用于真实场景。
在一种可能的实现方式中，在所述根据所述第三控制数据，控制处于第一模式的所述智能设备行驶之后，所述方法还包括：
获取所述智能设备处于所述第一模式行驶，产生的实际轨迹数据；
根据所述第二参考轨迹数据与所述实际轨迹数据，调整所述第二控制器的参数。
在该实现方式中，通过根据所述实际轨迹数据与所述第二参考轨迹数据之间的差异，调整所述第二控制器的参数，由此使第二控制器能够更准确地适配智能设备，从而实现更精确的控制以及更安全、舒适的驾驶体验。
在一种可能的实现方式中，所述第一控制器为不包含车辆动力学模型的控制器，所述第二控制器为包含车辆动力学模型的控制器。
基于上述实现方式，能够将不包含车辆动力学模型的控制器作为参考控制器，将包含车辆动力学模型的控制器作为被调控制器，准确、高效、低成本地为包含车辆动力学模型的控制器找到可靠的参数，由此在后续进一步对包含车辆动力学模型的控制器进行参数调整时，能够降低智能设备(例如车辆)失控的风险，降低由于包含车辆动力学模型的控制器的参数配置不当带来的潜在交通事故的安全风险，从而能够方便现场调试工程师进行大规模的实车控制器的性能测试工作。
在一种可能的实现方式中，所述智能设备包括智能移动设备，所述控制数据包括方向盘转向数据、油门数据、刹车数据、指示灯数据中的至少一项。
基于该实现方式，能够对智能移动设备实现精准的自动控制。
在一种可能的实现方式中，所述根据所述第三控制数据，控制处于第一模式的所述智能设备行驶，包括：
响应于所述第一控制数据与所述第二控制数据之间的差异满足预设条件，根据所述第三控制数据，控制处于第一模式的所述智能设备行驶；其中，所述预设条件包括所述第一控制数据中第一目标控制数据与所述第二控制数据中第二目标控制数据之间的差值属于阈值范围，所述第一目标控制数据与所述第二目标控制数据的类型相同。
在该实现方式中，通过在所述第一控制数据与所述第二控制数据之间的差异满足预设条件的情况下，根据所述第二控制器输出的第三控制数据控制智能设备行驶，由此能够在降低智能设备(例如车辆)失控的风险、降低由于第二控制器的参数配置不当带来的潜在交通事故的安全风险的前提下，使第二控制器调整后的参数更加适用于真实场景。
根据本公开的一方面，提供了一种参数配置装置，所述装置应用于智能设备，所述智能设备包括控制器，所述控制器包括第一控制器和第二控制器，所述装置包括：
第一获取模块，用于获取所述控制器输出的控制数据，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据；
配置模块，用于根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。
在一种可能的实现方式中，所述第一获取模块用于：
获取第一参考轨迹数据，以及所述智能设备处于第一模式的第一状态数据；
通过所述控制器，根据所述第一参考轨迹数据以及所述第一状态数据，生成所述控制数据。
在一种可能的实现方式中，所述装置还包括：
第一控制模块，用于根据所述第一控制数据，控制处于第一模式的所述智能设备行驶。
在一种可能的实现方式中，所述装置还包括：
第二获取模块，用于获取第二参考轨迹数据，以及所述智能设备处于第一模式的第二状态数据；
生成模块，用于通过所述第二控制器，根据所述第二参考轨迹数据以及所述第二状态数据，生成第三控制数据；
第二控制模块，用于根据所述第三控制数据，控制处于第一模式的所述智能设备行驶。
在一种可能的实现方式中，所述装置还包括：
第三获取模块，用于获取所述智能设备处于所述第一模式行驶，产生的实际轨迹数据；
调整模块，用于根据所述第二参考轨迹数据与所述实际轨迹数据，调整所述第二控制器的参数。
在一种可能的实现方式中，所述第一控制器为不包含车辆动力学模型的控制器，所述第二控制器为包含车辆动力学模型的控制器。
在一种可能的实现方式中，所述智能设备包括智能移动设备，所述控制数据包括方向盘转向数据、油门数据、刹车数据、指示灯数据中的至少一项。
在一种可能的实现方式中，所述第二控制模块用于：
响应于所述第一控制数据与所述第二控制数据之间的差异满足预设条件，根据所述第三控制数据，控制处于第一模式的所述智能设备行驶；其中，所述预设条件包括所述第一控制数据中第一目标控制数据与所述第二控制数据中第二目标控制数据之间的差值属于阈值范围，所述第一目标控制数据与所述第二目标控制数据的类型相同。
根据本公开的一方面，提供了一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，通过获取智能设备的控制器输出的控制数据，其中，所述控制器包括第一控制器和第二控制器，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据，并根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。由此将第一控制器作为参考控制器，将第二控制器作为被调控制器，准确、高效、低成本地为第二控制器找到可靠的参数。并且，由于第二控制器的配置基于第一控制器的实际输出的第一控制数据来实现，而在第二控制器完成配置之前，通常可以使用第一控制数据来控制智能设备，因此，可以使第二控制器的参数更适应于智能设备当前所处的应用场景。此外，在后续进一步对第二控制器进行参数调整的过程中，能够降低智能设备(例如车辆)失控的风险，降低由于第二控制器的参数配置不当带来的潜在交通事故的安全风险。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例提供的参数配置方法的流程图。
图2示出本公开实施例中的基于PID的控制器(PID控制器)的示意图。
图3示出本公开实施例中的基于PID的控制器的核心组件的示意图。
图4示出本公开实施例中通过基于PID的控制器的3个参数调节后的控制效果的示意图。
图5示出本公开实施例中的基于MPC的控制器(MPC控制器)的示意图。
图6示出本公开实施例中的基于MPC的控制器的核心组件的示意图。
图7示出本公开实施例的基于MPC的控制器中的车辆动力学模型的示意图。
图8示出本公开实施例的基于MPC的控制器中的核心组件的目标函数优化的示意图。
图9示出本公开实施例中基于MPC的控制器的优化过程的示意图。
图10示出本公开实施例提供的自动驾驶***的总体架构的示意图。
图11示出本公开实施例中利用参考控制器指导被调控制器进行参数配置的示意图。
图12示出本公开实施例提供的控制器的参数配置流程的示意图。
图13a至图13d示出本公开实施例中基于MPC的控制器的控制结果的示意图。
图14示出本公开实施例中在基于MPC的控制器的控制下的横向轨迹误差、朝向误差以及纵向速度误差随时间变化的示意图。
图15示出本公开实施例中在对基于MPC的控制器进行参数调整后，在基于MPC的控制器的控制下的横向轨迹误差、朝向误差以及纵向速度误差随时间变化的示意图。
图16示出本公开实施例提供的参数配置装置的框图。
图17示出本公开实施例提供的一种电子设备800的框图。
图18示出本公开实施例提供的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
在本公开实施例中，通过获取智能设备的控制器输出的控制数据，其中，所述控制器包括第一控制器和第二控制器，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据，并根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。由此将第一控制器作为参考控制器，将第二控制器作为被调控制器，准确、高效、低成本地为第二控制器找到可靠的参数。并且，由于第二控制器的配置基于第一控制器的实际输出的第一控制数据来实现，而在第二控制器完成配置之前，通常可以使用第一控制数据来控制智能设备，因此，可以使第二控制器的参数更适应于智能设备当前所处的应用场景。此外，在后续进一步对第二控制器进行参数调整的过程中，能够降低智能设备(例如车辆)失控的风险，降低由于第二控制器的参数配置不当带来的潜在交通事故的安全风险。
需要说明的是，智能设备还可以包括除第一控制器和第二控制器以外的其他控制器，在本公开实施例中，对于智能设备包括的控制器的种类，以及各类型控制器的数量等不予限定。在本公开实施例中，以智能设备包括第一控制器和第二控制器为例，对本公开实施例提供的技术方案进行阐述。
图1示出本公开实施例提供的参数配置方法的流程图。所述参数配置方法的执行主体可以是参数配置装置。例如，所述参数配置方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是车载设备、用户设备(User Equipment，UE)、移动设备、用户终端、终端、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备或者可穿戴设备等。在一些可能的实现方式中，所述参数配置方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。所述参数配置方法应用于智能设备，所述智能设备包括控制器，所述控制器包括第一控制器和第二控制器。所述智能设备可以包括智能移动设备，例如车辆或者移动机器人等。下文以智能设备为车辆为例，对本公开实施例进行说明。如图1所示，所述参数配置方法包括步骤S11至步骤S12。
在步骤S11中，获取所述控制器输出的控制数据，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据。
本公开实施例中的控制器可以是自动驾驶中用于轨迹跟踪的控制器，还可以是具备其他功能的控制器，本公开实施例对此不作限定。控制器输出的控制数据(第一控制器输出的第一控制数据和/或第二控制器输出的第二控制数据)可以用于对智能设备进行控制。第一控制器和第二控制器可以根据相同的输入数据，分别得到第一控制数据和第二控制数据。在第二控制器的参数配置的过程中，可以多次获取第一控制器输出的第一控制数据和第二控制器输出的第二控制数据。例如，对于多次中的任意一次，可以同时获取第一控制器输出的第一控制数据和第二控制器输出的第二控制数据，以将两者进行比较。当然，也可以按照一定先后顺序，依次获取第一控制数据和第二控制数据，或是依次获取第二控制数据和第一控制数据。需要说明的是，在控制数据的获取过程中，不限定第一控制数据和第二控制数据的先后顺序。
在步骤S12中，根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。
在本公开实施例中，可以根据所述第一控制数据与所述第二控制数据的差异，配置所述第二控制器的参数。例如，可以根据所述第一控制数据与所述第二控制数据的差异，初始化和/或调整所述第二控制器的参数。
其中，初始化第二控制器的参数，指的是对第二控制器的参数进行初始的配置；调整第二控制器的参数，指的是将完成初始化的第二控制器的参数进行调整。在一种可能的实现方式中，完成初始化的第二控制器的参数可以为默认的第二控制器参数，具体可以为结合历史经验值配置的第二控制器的参数，或是第二控制器在出厂前配置的出厂参数等，在此不予限定。
在本公开实施例中，通过获取智能设备的控制器输出的控制数据，其中，所述控制器包括第一控制器和第二控制器，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据，并根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。由此将第一控制器作为参考控制器，将第二控制器作为被调控制器，准确、高效、低成本地为第二控制器找到可靠的参数。并且，由于第二控制器的配置基于第一控制器的实际输出的第一控制数据来实现，而在第二控制器完成配置之前，通常可以使用第一控制数据来控制智能设备，因此，可以使第二控制器的参数更适应于智能设备当前所处的应用场景。此外，在后续进一步对第二控制器进行参数调整的过程中，能够降低智能设备(例如车辆)失控的风险，降低由于第二控制器的参数配置不当带来的潜在交通事故的安全风险。
在一种可能的实现方式中，所述获取所述控制器输出的控制数据，包括：获取第一参考轨迹数据，以及所述智能设备处于第一模式的第一状态数据；通过所述控制器，根据所述第一参考轨迹数据以及所述第一状态数据，生成所述控制数据。
在该实现方式中，第一参考轨迹数据可以表示在根据第一控制数据和第二控制数据配置第二控制器的参数的过程中，获取的参考轨迹数据。第一参考轨迹数据可以包括参考轨迹和参考轨迹上的多个途经点的目标速度，第一参考轨迹数据可以是自动驾驶***中的轨迹规划模块输出的。
在该实现方式中，第一状态数据可以表示在根据第一控制数据和第二控制数据配置第二控制器的参数的过程中，获取的智能设备的状态数据。其中，第一状态数据可以是实时获取的。例如，第一状态数据可以包括智能设备的位置、速度和加速度等中的一项或是多项的组合。
在该实现方式中，所述智能设备至少具备第一模式，例如，第一模式可以是全自动驾驶模式或者半自动驾驶模式。所述智能设备还可以具备第二模式，例如，第二模式可以是全人工驾驶模式。所述智能设备还可以具备第三模式，例如，若第一模式是全自动驾驶模式，则第三模式可以是半自动驾驶模式，或者，若第一模式是半自动驾驶模式，则第三模式可以是全自动驾驶模式。其中，每个模式下还可以包括子模式，以对各模式进行更精细的划分，在此对于智能设备的模式类型以及子模式的具体参数等不予限定。
在该实现方式中，第一控制器可以根据所述第一参考轨迹数据以及所述第一状态数据，生成第一控制数据，其中，所述第一控制数据表示第一控制器生成的与所述第一参考轨迹数据和所述第一状态数据对应的控制数据。第二控制器可以根据所述第一参考轨迹数据以及所述第一状态数据，生成第二控制数据，其中，所述第二控制数据表示第二控制器生成的与所述第一参考轨迹数据和所述第一状态数据对应的控制数据。第二控制数据可以指在根据第一控制数据和第二控制数据配置第二控制器的参数的过程中，第二控制器生成的控制数据。
在该实现方式中，通过所述控制器，根据所述第一参考轨迹数据以及所述第一状态数据，生成所述控制数据，基于由此生成的第一控制数据和第二控制数据配置第二控制器的参数，能够使配置得到的第二控制器的参数更加适用于真实场景。
在一种可能的实现方式中，在所述获取所述控制器输出的控制数据之后，所述方法还包括：根据所述第一控制数据，控制处于第一模式的所述智能设备行驶。
在该实现方式中，可以通过将第一控制器设置为所述智能设备的当前控制器，以根据所述第一控制数据，控制处于第一模式的所述智能设备行驶。例如，可以通过智能设备的切换开关(Switcher)将所述第一控制器设置为所述智能设备的当前控制器。
根据该实现方式，通过根据所述第一控制数据，控制处于第一模式的所述智能设备行驶，由此能够在实车中对第二控制器进行参数配置，从而能够降低在模拟器和实车上来回切换调试控制器的成本，并能使参数配置后的第二控制器更加适用于真实场景。
在一种可能的实现方式中，在所述配置所述第二控制器的参数之后，所述方法还包括：获取第二参考轨迹数据，以及所述智能设备处于第一模式的第二状态数据；通过所述第二控制器，根据所述第二参考轨迹数据以及所述第二状态数据，生成第三控制数据；根据所述第三控制数据，控制处于第一模式的所述智能设备行驶。
在该实现方式中，第二参考轨迹数据可以表示在根据所述第三控制数据控制所述智能设备行驶的过程中，获取的参考轨迹数据。第二参考轨迹数据可以包括参考轨迹和参考轨迹上的多个途经点的目标速度，第二参考轨迹数据可以是自动驾驶***中的轨迹规划模块输出的。第一参考轨迹数据可以包括第二参考轨迹数据中的内容，即，第二参考轨迹数据可以是第一参考轨迹数据的后段的参考数轨迹数据，例如，智能设备按照第一参考轨迹数据行驶一段时间后，获取到第二参考轨迹数据。或者，在智能设备改变行驶路线等的情况下，第二参考轨迹数据与第一参考轨迹数据可以不同。
在该实现方式中，第二状态数据可以表示在根据所述第三控制数据控制所述智能设备行驶的过程中，获取的智能设备的状态数据。其中，第二状态数据可以是实时获取的。例如，第二状态数据可以包括智能设备的位置、速度和加速度等中的一项或是多项的组合。
在该实现方式中，第三控制数据可以表示第二控制器生成的与第二参考轨迹数据和第二状态数据对应的控制数据。第三控制数据可以指根据所述第三控制数据控制所述智能设备行驶的过程中，第二控制器生成的控制数据。
根据该实现方式，通过根据所述第三控制数据，控制处于第一模式的所述智能设备行驶，由此能够在实车中对第二控制器进行参数调整，从而能够降低在模拟器和实车上来回切换调试控制器的成本，并能使参数调整后的第二控制器更加适用于真实场景。
在一种可能的实现方式中，在所述根据所述第三控制数据，控制处于第一模式的所述智能设备行驶之后，所述方法还包括：获取所述智能设备处于所述第一模式行驶，产生的实际轨迹数据；根据所述第二参考轨迹数据与所述实际轨迹数据，调整所述第二控制器的参数。
其中，实际轨迹数据可以包括实际轨迹以及实际轨迹上的多个点的速度。根据第二参考轨迹数据与实际轨迹数据，可以确定两者之间的朝向误差、横向轨迹误差和纵向速度误差，从而可以根据两者之间的朝向误差、横向轨迹误差和纵向速度误差，调整第二控制器的参数。
在该实现方式中，通过根据所述实际轨迹数据与所述第二参考轨迹数据之间的差异，调整所述第二控制器的参数，由此使第二控制器能够更准确地适配智能设备，从而实现更精确的控制以及更安全、舒适的驾驶体验。
在一种可能的实现方式中，所述智能设备包括智能移动设备，所述控制数据包括方向盘转向数据、油门数据、刹车数据、指示灯数据中的至少一项。
在该实现方式中，方向盘转向数据可以包括方向盘旋转角度、旋转圈数、旋转方向等中的一项或是多项的组合。油门数据可以包括油门大小、油门速度等中的一项或是多项的组合，其中，油门大小可以采用占最大油门量的百分比等方式来表示。刹车数据可以包括刹车力度、刹车速度等中的一项或是多项的组合，其中，刹车力度可以采用占最大刹车力度的百分比等方式来表示。指示灯数据可以包括指示灯类型、时长等中的一项或是多项的组合。基于该实现方式，能够对智能移动设备实现精准的自动控制。
在一种可能的实现方式中，所述根据所述第三控制数据，控制处于第一模式的所述智能设备行驶，包括：响应于所述第一控制数据与所述第二控制数据之间的差异满足预设条件，根据所述第三控制数据，控制处于第一模式的所述智能设备行驶；其中，所述预设条件包括所述第一控制数据中第一目标控制数据与所述第二控制数据中第二目标控制数据之间的差值属于阈值范围，所述第一目标控制数据与所述第二目标控制数据的类型相同。
在该实现方式中，第一目标控制数据可以包括第一控制数据中的一个或多个类型的数据，相应地，第二目标控制数据也可以包括第二控制数据中的一个或多个类型的数据。其中，第一目标控制数据与第二目标控制数据所包括的数据类型相同。例如，第一目标控制数据包括第一控制数据中的方向盘转向数据、油门数据和刹车数据，第二目标控制数据包括第二控制数据中的方向盘转向数据、油门数据和刹车数据；又如，第一目标控制数据包括第一控制数据中的方向盘转向数据、油门数据、刹车数据和指示灯数据，第二目标控制数据包括第二控制数据中的方向盘转向数据、油门数据、刹车数据和指示灯数据。
在该实现方式中，阈值范围可以是以一个参数为阈值，若所述第一控制数据中第一目标控制数据与所述第二控制数据中第二目标控制数据之间的差值小于或等于该阈值，则满足预设条件；或者，阈值范围可以以两个阈值作为上下限，若所述第一控制数据中第一目标控制数据与所述第二控制数据中第二目标控制数据之间的差值属于该阈值范围，则满足预设条件。
作为该实现方式的一个示例，第一目标控制数据包括第一控制数据中的方向盘转向数据、油门数据、刹车数据和指示灯数据中的至少之一，第二目标控制数据包括第二控制数据中的方向盘转向数据、油门数据、刹车数据和指示灯数据中的至少之一。预设条件包括以下至少之一：所述第一控制数据中的方向盘转向数据与所述第二控制数据中的方向盘转向数据之间的差值小于或等于第一阈值，所述第一控制数据中的油门数据与所述第二控制数据中的油门数据之间的差值小于或等于第二阈值，所述第一控制数据中的刹车数据与所述第二控制数据中的刹车数据之间的差值小于或等于第三阈值，所述第一控制数据中的指示灯数据与所述第二控制数据中的指示灯数据之间的差值小于或等于第四阈值。
在该实现方式中，可以通过将所述第二控制器设置为所述智能设备的当前控制器，以根据所述第三控制数据，控制处于第一模式的所述智能设备行驶。例如，可以通过切换开关将所述第二控制器设置为所述智能设备的当前控制器。
在该实现方式中，可以将指示灯数据中的指示灯类型、时长等量化，从而可以得到所述第一控制数据中的指示灯数据与所述第二控制数据中的指示灯数据之间的差值。
在该实现方式中，通过在所述第一控制数据与所述第二控制数据之间的差异满足预设条件的情况下，根据所述第二控制器输出的第三控制数据控制智能设备行驶，由此能够在降低智能设备(例如车辆)失控的风险、降低由于第二控制器的参数配置不当带来的潜在交通事故的安全风险的前提下，使第二控制器调整后的参数更加适用于真实场景。
在该实现方式中，若第一控制数据与第二控制数据之间的差异满足预设条件，则可以判定第二控制器的参数已较为可靠。在其他可能的实现方式中，可以由人为观察第一控制数据与第二控制数据的差异，并由人为判断第二控制器是否与第一控制器进行相同的控制行为，换言之，可以由人为判断第二控制器能否像第一控制器一样正确地开车并完成第一参考轨迹数据的跟踪。
在一种可能的实现方式中，所述第一控制器为不包含车辆动力学模型的控制器，所述第二控制器为包含车辆动力学模型的控制器。
例如，第一控制器可以为基于PI(P：Proportional，比例；I：Integral，积分)的控制器或者基于PID(P：Proportional，比例；I：Integral，积分；D：Derivative，微分)的控制器等，第二控制器可以为基于MPC(Model Predictive Control，模型预测控制)的控制器或者基于LQR(Linear Quadratic Regulator，线性二次型调节器)的控制器等。
在该实现方式中，第二控制器基于车辆动力学模型，即动力学自行车模型(Dynamic Bicycle Model)。车辆动力学模型能够动态建模车辆运动行为，通过一系列合理的假设(例如：小角度假设，模型基于误差(error)建模，比直接基于参考角度和参考位置建模更有利于模型线性化)，将非线性模型简化为线性模型，该模型用于预测车辆未来有限时间内的行为或行驶轨迹。
基于上述实现方式，能够将不包含车辆动力学模型的控制器作为参考控制器，将包含车辆动力学模型的控制器作为被调控制器，准确、高效、低成本地为包含车辆动力学模型的控制器找到可靠的参数，由此在后续进一步对包含车辆动力学模型的控制器进行参数调整时，能够降低智能设备(例如车辆)失控的风险，降低由于包含车辆动力学模型的控制器的参数配置不当带来的潜在交通事故的安全风险，从而能够方便现场调试工程师进行大规模的实车控制器的性能测试工作。
图2示出本公开实施例中的基于PID的控制器(PID控制器)的示意图。基于PID的控制器可以实现纵向速度闭环控制和横向位置闭环控制，从而实现对无人车进行自动驾驶。除了图2示出的反馈控制外，基于PID的控制器还包含前馈控制。如图2所示，基于PID的控制器可以基于轨迹规划模块输出的第一参考轨迹数据与车的第一状态数据之间的误差(error)，输出第一控制数据，以控制车行驶。
图3示出本公开实施例中的基于PID的控制器的核心组件的示意图。如图3所示，基于PID的控制器只需要调节3个参数就可以完成控制任务，这3个参数分别是Kp、Ki和Kd。在自动驾驶***中，基于PI的控制器往往就可以满足***的控制需求了，即，通过Kp使自动驾驶***立即响应，通过Ki消除自动驾驶***中的稳态误差。
图4示出本公开实施例中通过基于PID的控制器的3个参数调节后的控制效果的示意图。其中，图4中的直线41为参考轨迹，42为无控制下的实际轨迹，43为在基于PID的控制器的控制下的实际轨迹。由于基于PID的控制器只需要调节Kp和Ki这两个参数就可以完成对无人车的自动控制，且很容易调试，因此，本公开实施例可以将基于PI的控制器作为参考控制器，用于指导包含车辆动力学模型的第二控制器进行参数配置。在本公开实施例中，可以通过手动调参为基于PI的控制器选择合适的参数，也可以采用相关技术中的自动调参方法为基于PI的控制器选择合适的参数。
图5示出本公开实施例中的基于MPC的控制器(MPC控制器)的示意图。基于MPC的控制器可以实现纵向速度闭环控制和横向位置闭环控制，从而实现对无人车进行自动驾驶。除了图5示出的反馈控制外，基于MPC的控制器还包含前馈控制。如图5所示，基于MPC的控制器可以基于轨迹规划模块输出的第一参考轨迹数据与车的第一状态数据之间的误差(error)，输出第二控制数据，或者，可以基于轨迹规划模块输出的第二参考轨迹数据与车的第二状态数据之间的误差，输出第三控制数据，以对车进行控制。
图6示出本公开实施例中的基于MPC的控制器的核心组件的示意图。如图6所示，基于MPC的控制器包括车辆动力学模型和优化器这两个核心组件。其中，车辆动力学模型用于预测车辆未来可能的行驶轨迹；优化器解一个优化问题，从多条候选的预测轨迹中找到使目标函数J最小的轨迹，得到第二控制数据或者第三控制数据，从而确保基于MPC的控制器最大可能驱动车辆接近第一参考轨迹数据或者第二参考轨迹数据。
图7示出本公开实施例的基于MPC的控制器中的车辆动力学模型的示意图。在图7中，71表示车，上面是车头，下面是车尾。根据第一参考轨迹数据或者第二参考轨迹数据中的参考轨迹上参考点的朝向与车头当前朝向之间的差异，可以得到朝向误差e1；根据车的当前位置(例如车的几何中心点)与参考点的切线之间的最小距离，可以得到横向轨迹误差e2，例如，横向轨迹误差e2可以等于车的当前位置与参考点的切线之间的最小距离；根据第一参考轨迹数据或者第二参考轨迹数据中的参考速度与车的实际速度之间的差异，可以得到纵向速度(Lon Velocity)误差e3。在图7中，
Figure BDA0002450382060000091
表示e1的微分，
Figure BDA0002450382060000092
表示e1的二次微分，e2和e3与此类似。本公开实施例中的基于MPC的控制器基于车辆动力学模型，能够动态建模车辆运动行为，通过一系列合理的假设，将非线性模型简化为图7所示的线性模型，该模型用于预测车辆未来有限时间内的行为或行驶轨迹。在图7中，steer表示方向盘转向数据(例如方向盘旋转角度)，throttle表示油门数据(例如占最大油门量的百分比)，brake表示刹车数据(例如占最大刹车力度的百分比)。
图8示出本公开实施例的基于MPC的控制器中的核心组件的目标函数优化的示意图。在图8中，Δsteer表示相邻的两个时刻之间steer(方向盘转向数据)的改变量，Δthrottle表示相邻的两个时刻之间throttle(油门数据)的改变量，Δbrake表示相邻的两个时刻之间brake(刹车数据)的改变量。图8示出了目标函数
Figure BDA0002450382060000093
Figure BDA0002450382060000094
向量化后的目标函数为J＝xTQx+ΔuTRΔu。其中，
Figure BDA0002450382060000095
u＝[steer throttle/brake]T，Δu＝[Δsteer Δthrottle/brake]T，Q＝[q1 q2 q3 q4 q5q6]T，R＝[r1 r2]T。从向量化的目标函数中可以看到，基于MPC的控制器需要配置的参数包括8个，其中Q向量包含6个待配置参数，分别为q1、q2、q3、q4、q5和q6，R向量包含2个待配置参数，分别为r1和r2。图8的左上方图示出了车的预测轨迹在车道中的位置的示意图，图8的左上方图还示出了车道的中心线的位置和预测范围。其中，预测轨迹是执行预测出的控制动作序列(控制动作数据可以包括方向盘转向数据、油门数据、刹车数据、指示灯数据中的至少一项)而产生的轨迹。图8的右上方图示出了在t+1时刻到t+7时刻的横向轨迹误差ctet+1至ctet+7(即e2)的示意图。相应地，t+1时刻到t+7时刻的朝向误差e1可以分别表示为het+1至het+7，t+1时刻到t+7时刻的纵向速度误差e3可以分别表示为vet+1至vet+7。
图9示出本公开实施例中基于MPC的控制器的优化过程的示意图。如图9所示，基于MPC的控制器的参数配置的目标是使J最小。配置Q和R后，通过参数调整，基于MPC的控制器即可按照图9所示的方式对潜在的控制动作序列进行轨迹预测和评估(计算目标函数J)，从而得到最优的控制动作序列作为第二控制数据或者第三控制数据。图9示出了J＝50、J＝30和J＝10时，车的预测轨迹的示意图。如图9所示，在J＝10时，车的预测轨迹最接近于车道的中心线，因此，J＝10对应的控制动作序列为最优的控制动作序列。
通常情况下，包含车辆动力学模型的控制器的待调参数量比不包含车辆动力学模型的控制器的待调参数量大。例如，基于PI的控制器的待调参数为2个，分别为比例项(Kp)和积分项(Ki)。虽然无模型的PI控制器较为简单、易于调试，但控制不够精准，而基于MPC的控制器等包含车辆动力学模型的控制器建模了车辆动力学行为，能够更精准地刻画车辆未来运动轨迹。本公开实施例可以采用包含车辆动力学模型的控制器(第二控制器)对无人车进行行为建模，进而获得更精准的自动控制效果。然而，包含车辆动力学模型的控制器通常包含多个参数，例如，基于MPC的控制器包含8个待调参数，其中6个待调参数用于调节***状态(朝向误差、横向轨迹误差、纵向速度误差)，2个待调参数用于调节***输入(方向盘转向角度，油门量或者刹车量)。8个参数的调试难度，往往高于2个参数的调试难度，且实际调整过程效率低、成本高。与此同时，由于不可靠的参数可能带来无人车失控，导致交通事故造成人员伤亡，因此也给研发人员、现场调试工程师等现场调车带来了潜在的生命危险。
图10示出本公开实施例提供的自动驾驶***的总体架构的示意图。如图10所示，由轨迹规划模块输出参考轨迹数据(例如第一参考轨迹数据、第二参考轨迹数据)，并通过总线(读总线)读取车的状态数据(例如第一状态数据、第二状态数据)；控制器(第一控制器和/或第二控制器)根据参考轨迹数据与车的状态数据之间的差异，输出控制数据(第一控制器输出第一控制数据，第二控制器输出第二控制数据和/或第三控制数据)，并通过总线(写总线)将控制数据写入车，从而实现对车的闭环控制，驱动车行驶。
图11示出本公开实施例中利用参考控制器指导被调控制器进行参数配置的示意图。如图11所示，参考控制器可以为基于PID的控制器等，被调控制器可以为基于LQR的控制器或者基于MPC的控制器等，参考控制器可以指导被调控制器配置参数(例如Q向量、R向量等)。例如，可以根据第一控制数据与第二控制数据中的方向盘转向数据的差异，调节r1；根据第一控制数据与第二控制数据中的油门数据或者刹车数据的差异，调节r2；根据朝向误差e1，调节q1与q2；根据横向轨迹误差e2，调节q3和q4；根据纵向速度误差e3，调节q5和q6。
图12示出本公开实施例提供的控制器的参数配置流程的示意图。如图12所示，自动驾驶***启动后，第一控制器(不包含车辆动力学模型的控制器，例如基于PI的控制器)与第二控制器(包含车辆动力学模型的控制器，例如基于LQR的控制器或者基于MPC的控制器)可以同时开始工作。打开切换开关，选择使用第一控制器作为无人车的当前控制器，即，将第一控制器输出的第一控制数据下发到车辆执行器，驱动无人车行驶。在将第一控制器作为无人车的当前控制器的过程中，可以通过调整比例项和积分项的值，使第一控制器完成对无人车在直线及弯道的准确控制，即，使第一控制器输出的控制数据能够驱动无人车正确跟踪参考轨迹。一旦第一控制器成功适配到自动驾驶***(即在第一控制器的控制下无人车能够正确跟踪参考轨迹)后，其输出的第一控制数据可以认为是参考控制数据，该参考控制数据可以使无人车较为准确地完成常规的自动驾驶任务。
在第一控制器成功适配到自动驾驶***后，可以通过切换开关选择第一控制器作为无人车的当前控制器，并打开比较器(Comparer)，通过比较器比较第一控制器输出的第一控制数据与第二控制器输出的第二控制数据之间的差异，并根据第一控制数据与第二控制数据之间的差异，配置第二控制器的参数，以使配置后的第二控制器输出的第二控制数据与第一控制器输出的第一控制数据之间的差异最小。若第一控制数据与第二控制数据之间的差异满足预设条件，则可以判定第二控制器已获得了较可靠的参数。实验发现，在基于MPC的控制器的参数为Q＝[0.0,0.0,1,0,0,1]T，R＝[0.4,0.8]T时，基于MPC的控制器输出的第二控制数据与基于PI的控制器输出的第一控制数据基本一致，也就是说，我们可以利用该参数的基于MPC的控制器完成与基于PI的控制器一样的轨迹跟踪效果。
图13a至图13d示出本公开实施例中基于MPC的控制器的控制结果的示意图。其中，图13a示出参考轨迹与在基于MPC的控制器的控制下无人车的实际轨迹的示意图。图13a中采用UTM(Universal Transverse Mercator grid system，通用横墨卡托格网***)坐标系。图13b示出参考纵向速度与在基于MPC的控制器的控制下无人车的实际纵向速度相对于距离的示意图。图13c示出车头的参考朝向与在基于MPC的控制器的控制下无人车的车头实际朝向的示意图。图13d示出参考的方向盘转向角度与在基于MPC的控制器的控制下无人车的实际的方向盘转向角度的示意图。其中，图13b至图13d中的距离可以表示相对于自动驾驶任务的起点的距离。如图13a至图13d所示，基于MPC的控制器基于参数(Q＝[0.0,0.0,1,0,0,1]T，R＝[0.4,0.8]T)完成了自动驾驶，从评估数据来看，该参数能够确保基于MPC的控制器安全地完成基本的自动驾驶任务，但性能有待进一步提升。
图14示出本公开实施例中在基于MPC的控制器的控制下的横向轨迹误差(CTE，Cross Track Error)、朝向误差以及纵向速度误差随时间变化的示意图。在图14中，横坐标为时间，单位为秒。如图14所示，横向轨迹误差较大，也就是说，基于MPC的控制器的横向控制不够准确，会导致无人车偏离车道中线行驶。为了使基于MPC的控制器的控制更精准，我们可以对基于MPC的控制器进行进一步的参数调整。在本公开实施例中，在根据第一控制数据和第二控制数据配置第二控制器的参数之后，可以通过切换开关将第二控制器作为无人车的当前控制器，通过第二控制器对无人车进行控制，进而对第二控制器的参数进行调整，以使第二控制器更准确地适配到自动驾驶***。实验发现，针对横向轨迹误差较大的问题，可以对基于MPC的控制器的参数(Q＝[0.0,0.0,1,0,0,1]T，R＝[0.4,0.8]T)进行调整，调整为Q＝[0.03,0.0,1,0,0,1]T,R＝[0.4,0.8]T，即加大了对横向轨迹误差的惩罚力度，从而使得基于MPC的控制器可以控制无人车更靠近车道中线行驶。
图15示出本公开实施例中在对基于MPC的控制器进行参数调整后，在基于MPC的控制器的控制下的横向轨迹误差、朝向误差以及纵向速度误差随时间变化的示意图。在图15所示的示例中，在对基于MPC的控制器进行参数调整后，横向轨迹误差相对参数调整前下降了50％左右。如图13d所示，基于MPC的控制器输出的实际方向盘转向角度比参考的方向盘转向角度的波动更加频繁，方向转向不平滑，这会带来不舒服的驾驶体验。同理，我们可以进一步调整基于MPC的控制器的参数，使其输出的控制数据中的方向盘转向角度的变化更加平滑。
在一个例子中，可以选用自动档轿车作为实验平台，平均车速为20km/h，测试路径是先直行，然后左转直行，再右转直行。
本公开实施例可以应用于自动驾驶***、驾驶辅助***、自动泊车***等应用场景中，本公开实施例对此不作限定。
在本公开实施例中，通过获取智能设备的控制器输出的控制数据，其中，所述控制器包括第一控制器和第二控制器，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据，并根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数，由此将第一控制器作为参考控制器，将第二控制器作为被调控制器，准确、高效、低成本地为第二控制器找到可靠的参数，由此在后续进一步对第二控制器进行参数调整时，能够降低智能设备(例如车辆)失控的风险，降低由于第二控制器的参数配置不当带来的潜在交通事故的安全风险。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了参数配置装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种参数配置方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图16示出本公开实施例提供的参数配置装置的框图。所述装置应用于智能设备，所述智能设备包括控制器，所述控制器包括第一控制器和第二控制器。如图16所示，所述参数配置装置包括：第一获取模块21，用于获取所述控制器输出的控制数据，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据；配置模块22，用于根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。
在一种可能的实现方式中，所述第一获取模块21用于：获取第一参考轨迹数据，以及所述智能设备处于第一模式的第一状态数据；通过所述控制器，根据所述第一参考轨迹数据以及所述第一状态数据，生成所述控制数据。
在一种可能的实现方式中，所述装置还包括：第一控制模块，用于根据所述第一控制数据，控制处于第一模式的所述智能设备行驶。
在一种可能的实现方式中，所述装置还包括：第二获取模块，用于获取第二参考轨迹数据，以及所述智能设备处于第一模式的第二状态数据；生成模块，用于通过所述第二控制器，根据所述第二参考轨迹数据以及所述第二状态数据，生成第三控制数据；第二控制模块，用于根据所述第三控制数据，控制处于第一模式的所述智能设备行驶。
在一种可能的实现方式中，所述装置还包括：第三获取模块，用于获取所述智能设备处于所述第一模式行驶，产生的实际轨迹数据；调整模块，用于根据所述第二参考轨迹数据与所述实际轨迹数据，调整所述第二控制器的参数。
在一种可能的实现方式中，所述第一控制器为不包含车辆动力学模型的控制器，所述第二控制器为包含车辆动力学模型的控制器。
在一种可能的实现方式中，所述智能设备包括智能移动设备，所述控制数据包括方向盘转向数据、油门数据、刹车数据、指示灯数据中的至少一项。
在一种可能的实现方式中，所述第二控制模块用于：响应于所述第一控制数据与所述第二控制数据之间的差异满足预设条件，根据所述第三控制数据，控制处于第一模式的所述智能设备行驶；其中，所述预设条件包括所述第一控制数据中第一目标控制数据与所述第二控制数据中第二目标控制数据之间的差值属于阈值范围，所述第一目标控制数据与所述第二目标控制数据的类型相同。
在本公开实施例中，通过获取智能设备的控制器输出的控制数据，其中，所述控制器包括第一控制器和第二控制器，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据，并根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。由此将第一控制器作为参考控制器，将第二控制器作为被调控制器，准确、高效、低成本地为第二控制器找到可靠的参数。并且，由于第二控制器的配置基于第一控制器的实际输出的第一控制数据来实现，而在第二控制器完成配置之前，通常可以使用第一控制数据来控制智能设备，因此，可以使第二控制器的参数更适应于智能设备当前所处的应用场景。此外，在后续进一步对第二控制器进行参数调整的过程中，能够降低智能设备(例如车辆)失控的风险，降低由于第二控制器的参数配置不当带来的潜在交通事故的安全风险。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。其中，所述计算机可读存储介质可以是非易失性计算机可读存储介质，或者可以是易失性计算机可读存储介质。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的参数配置方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的参数配置方法的操作。
本公开实施例还提供一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图17示出本公开实施例提供的一种电子设备800的框图。例如，电子设备800可以是车载设备，移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图17，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如Wi-Fi、2G、3G、4G/LTE、5G或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图18示出本公开实施例提供的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图18，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***，例如Windows
Figure BDA0002450382060000141
Mac OS
Figure BDA0002450382060000142
或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (14)

1.一种参数配置方法，其特征在于，所述方法应用于智能设备，所述智能设备包括控制器，所述控制器包括第一控制器和第二控制器，所述方法包括：
获取所述控制器输出的控制数据，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据；
根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。
2.根据权利要求1所述的方法，其特征在于，所述获取所述控制器输出的控制数据，包括：
获取第一参考轨迹数据，以及所述智能设备处于第一模式的第一状态数据；
通过所述控制器，根据所述第一参考轨迹数据以及所述第一状态数据，生成所述控制数据。
3.根据权利要求1或2所述的方法，其特征在于，在所述获取所述控制器输出的控制数据之后，所述方法还包括：
根据所述第一控制数据，控制处于第一模式的所述智能设备行驶。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，在所述配置所述第二控制器的参数之后，所述方法还包括：
获取第二参考轨迹数据，以及所述智能设备处于第一模式的第二状态数据；
通过所述第二控制器，根据所述第二参考轨迹数据以及所述第二状态数据，生成第三控制数据；
根据所述第三控制数据，控制处于第一模式的所述智能设备行驶。
5.根据权利要求4所述的方法，其特征在于，在所述根据所述第三控制数据，控制处于第一模式的所述智能设备行驶之后，所述方法还包括：
获取所述智能设备处于所述第一模式行驶，产生的实际轨迹数据；
根据所述第二参考轨迹数据与所述实际轨迹数据，调整所述第二控制器的参数。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述第一控制器为不包含车辆动力学模型的控制器，所述第二控制器为包含车辆动力学模型的控制器。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，所述智能设备包括智能移动设备，所述控制数据包括方向盘转向数据、油门数据、刹车数据、指示灯数据中的至少一项。
8.根据权利要求4所述的方法，其特征在于，所述根据所述第三控制数据，控制处于第一模式的所述智能设备行驶，包括：
响应于所述第一控制数据与所述第二控制数据之间的差异满足预设条件，根据所述第三控制数据，控制处于第一模式的所述智能设备行驶；
其中，所述预设条件包括所述第一控制数据中第一目标控制数据与所述第二控制数据中第二目标控制数据之间的差值属于阈值范围，所述第一目标控制数据与所述第二目标控制数据的类型相同。
9.一种参数配置装置，其特征在于，所述装置应用于智能设备，所述智能设备包括控制器，所述控制器包括第一控制器和第二控制器，所述装置包括：
第一获取模块，用于获取所述控制器输出的控制数据，所述第一控制器输出的控制数据包括第一控制数据，所述第二控制器输出的控制数据包括第二控制数据；
配置模块，用于根据所述第一控制数据与所述第二控制数据，配置所述第二控制器的参数。
10.根据权利要求9所述的装置，其特征在于，所述第一获取模块用于：
获取第一参考轨迹数据，以及所述智能设备处于第一模式的第一状态数据；
通过所述控制器，根据所述第一参考轨迹数据以及所述第一状态数据，生成所述控制数据。
11.根据权利要求9或10所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于获取第二参考轨迹数据，以及所述智能设备处于第一模式的第二状态数据；
生成模块，用于通过所述第二控制器，根据所述第二参考轨迹数据以及所述第二状态数据，生成第三控制数据；
第二控制模块，用于根据所述第三控制数据，控制处于第一模式的所述智能设备行驶。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
第三获取模块，用于获取所述智能设备处于所述第一模式行驶，产生的实际轨迹数据；
调整模块，用于根据所述第二参考轨迹数据与所述实际轨迹数据，调整所述第二控制器的参数。
13.一种电子设备，其特征在于，包括：
一个或多个处理器；
用于存储可执行指令的存储器；
其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至8中任意一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
CN202010290979.6A 2020-04-14 2020-04-14 参数配置方法及装置、电子设备和存储介质 Active CN111487904B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010290979.6A CN111487904B (zh) 2020-04-14 2020-04-14 参数配置方法及装置、电子设备和存储介质
JP2021577135A JP2022538275A (ja) 2020-04-14 2021-04-09 パラメータ配置方法及び装置、電子機器並びに記憶媒体
PCT/CN2021/086141 WO2021208812A1 (zh) 2020-04-14 2021-04-09 参数配置方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010290979.6A CN111487904B (zh) 2020-04-14 2020-04-14 参数配置方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111487904A true CN111487904A (zh) 2020-08-04
CN111487904B CN111487904B (zh) 2021-08-13

Family

ID=71794866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010290979.6A Active CN111487904B (zh) 2020-04-14 2020-04-14 参数配置方法及装置、电子设备和存储介质

Country Status (3)

Country Link
JP (1) JP2022538275A (zh)
CN (1) CN111487904B (zh)
WO (1) WO2021208812A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112947073A (zh) * 2021-01-29 2021-06-11 大连理工大学 一种基于模型预测控制的舰载机滑行轨迹跟踪方法
WO2021208812A1 (zh) * 2020-04-14 2021-10-21 上海商汤临港智能科技有限公司 参数配置方法及装置、电子设备和存储介质
CN114326418A (zh) * 2021-11-30 2022-04-12 重庆电子工程职业学院 智能家居设备控制***
CN115086167A (zh) * 2022-05-31 2022-09-20 上海商汤临港智能科技有限公司 一种参数配置方法、装置、计算机设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080103639A1 (en) * 2006-10-25 2008-05-01 The Boeing Company Systems and Methods for Haptics-Enabled Teleoperation of Vehicles and Other Devices
US20080125896A1 (en) * 2006-07-24 2008-05-29 The Boeing Company Closed-Loop Feedback Control Using Motion Capture Systems
CN103587723A (zh) * 2013-11-07 2014-02-19 北京临近空间飞行器***工程研究所 一种再入初始段解析式纵向在线轨迹设计及跟踪方法
WO2014164408A1 (en) * 2013-03-13 2014-10-09 Eaton Corporation System and method for clutch pressure control
CN104267732A (zh) * 2014-09-29 2015-01-07 哈尔滨工业大学 基于频域分析的挠性卫星高稳定度姿态控制方法
CN104979845A (zh) * 2015-06-26 2015-10-14 四川大学 基于多级线性最优理论的多频段高压直流输电附加阻尼控制方法
US20190201140A1 (en) * 2017-12-28 2019-07-04 Ethicon Llc Surgical hub situational awareness
CN110244721A (zh) * 2019-06-05 2019-09-17 杭州飞步科技有限公司 自动驾驶控制方法、装置、设备及存储介质
CN110531750A (zh) * 2018-05-23 2019-12-03 百度（美国）有限责任公司 用于自动驾驶车辆的pid嵌入式lqr
CN110941272A (zh) * 2019-11-27 2020-03-31 深圳先进技术研究院 自动驾驶控制方法和设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111487904B (zh) * 2020-04-14 2021-08-13 上海商汤临港智能科技有限公司 参数配置方法及装置、电子设备和存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080125896A1 (en) * 2006-07-24 2008-05-29 The Boeing Company Closed-Loop Feedback Control Using Motion Capture Systems
US20080103639A1 (en) * 2006-10-25 2008-05-01 The Boeing Company Systems and Methods for Haptics-Enabled Teleoperation of Vehicles and Other Devices
WO2014164408A1 (en) * 2013-03-13 2014-10-09 Eaton Corporation System and method for clutch pressure control
CN103587723A (zh) * 2013-11-07 2014-02-19 北京临近空间飞行器***工程研究所 一种再入初始段解析式纵向在线轨迹设计及跟踪方法
CN104267732A (zh) * 2014-09-29 2015-01-07 哈尔滨工业大学 基于频域分析的挠性卫星高稳定度姿态控制方法
CN104979845A (zh) * 2015-06-26 2015-10-14 四川大学 基于多级线性最优理论的多频段高压直流输电附加阻尼控制方法
US20190201140A1 (en) * 2017-12-28 2019-07-04 Ethicon Llc Surgical hub situational awareness
CN110531750A (zh) * 2018-05-23 2019-12-03 百度（美国）有限责任公司 用于自动驾驶车辆的pid嵌入式lqr
CN110244721A (zh) * 2019-06-05 2019-09-17 杭州飞步科技有限公司 自动驾驶控制方法、装置、设备及存储介质
CN110941272A (zh) * 2019-11-27 2020-03-31 深圳先进技术研究院 自动驾驶控制方法和设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陶冰冰: "自动驾驶车辆LQR轨迹跟踪控制器设计", 《湖北汽车工业学院学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021208812A1 (zh) * 2020-04-14 2021-10-21 上海商汤临港智能科技有限公司 参数配置方法及装置、电子设备和存储介质
CN112947073A (zh) * 2021-01-29 2021-06-11 大连理工大学 一种基于模型预测控制的舰载机滑行轨迹跟踪方法
CN112947073B (zh) * 2021-01-29 2023-08-29 大连理工大学 一种基于模型预测控制的舰载机滑行轨迹跟踪方法
CN114326418A (zh) * 2021-11-30 2022-04-12 重庆电子工程职业学院 智能家居设备控制***
CN114326418B (zh) * 2021-11-30 2023-06-20 重庆电子工程职业学院 智能家居设备控制***
CN115086167A (zh) * 2022-05-31 2022-09-20 上海商汤临港智能科技有限公司 一种参数配置方法、装置、计算机设备及存储介质
CN115086167B (zh) * 2022-05-31 2024-05-17 上海商汤临港智能科技有限公司 一种参数配置方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
JP2022538275A (ja) 2022-09-01
WO2021208812A1 (zh) 2021-10-21
CN111487904B (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN111487904B (zh) 参数配置方法及装置、电子设备和存储介质
CN111079721B (zh) 一种障碍物的轨迹预测方法及装置
Batkovic et al. A robust scenario MPC approach for uncertain multi-modal obstacles
CN113561994B (zh) 轨迹规划方法、装置、存储介质及电子设备
CN110836671B (zh) 轨迹规划方法、轨迹规划装置、存储介质与电子设备
US20200298859A1 (en) Safe Autonomous Overtaking with Intention Estimation
Tang et al. Teleoperated Road Vehicles–The" Free Corridor" as a Safety Strategy Approach
CN113511205A (zh) 规划车辆的移动的方法和***
Lafmejani et al. Adaptation of gradient-based navigation control for holonomic robots to nonholonomic robots
Nakamura et al. Online update of safety assurances using confidence-based predictions
CN114771570A (zh) 自动驾驶车辆的控制方法和装置
Shivam et al. Tracking control by the newton-raphson flow: Applications to autonomous vehicles
Verginis et al. Decentralized 2-D control of vehicular platoons under limited visual feedback
Kim et al. Automated perpendicular parking system with approximated clothoid-based local path planning
US20170057090A1 (en) Generating control signal for tele-presence robot
CN114834527B (zh) 辅助驾驶***的输出力矩确定方法、装置和存储介质
CN116069041A (zh) 轨迹规划方法、装置、车辆及介质
US11993259B2 (en) Vehicle speed control method and apparatus
CN113978548B (zh) 应用于无人车的转向协同控制方法、装置、设备及介质
CN115014372A (zh) 路径规划方法、装置、存储介质及车辆
CN113778075A (zh) 用于自动引导车的控制方法和装置
JP2021509873A (ja) 機械を制御する制御システム及び車両の運動を制御する方法
JP6599817B2 (ja) 演算装置、演算方法およびプログラム
Klomp et al. Non-linear steering control for limit handling conditions using preview path curvature
CN114608603B (zh) 路径规划方法、装置、存储介质及车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant