CN113741448B - 火星车的全自动控制方法及装置 - Google Patents
火星车的全自动控制方法及装置 Download PDFInfo
- Publication number
- CN113741448B CN113741448B CN202111002692.XA CN202111002692A CN113741448B CN 113741448 B CN113741448 B CN 113741448B CN 202111002692 A CN202111002692 A CN 202111002692A CN 113741448 B CN113741448 B CN 113741448B
- Authority
- CN
- China
- Prior art keywords
- mars
- current
- information
- state
- vehicle
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000008569 process Effects 0.000 claims abstract description 29
- 230000002787 reinforcement Effects 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 19
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本公开公开了一种火星车的全自动控制方法及装置,其中方法包括:首先在获取到火星车采集的三维地形信息后,基于三维地形信息进行轨迹规划,得到行进线路;而后在控制火星车按照所述行进线路行进过程中,实时获取火星车采集的当前地形信息;最后基于火星车的当前位置、当前的行进轨迹、以及当前地形信息,对火星车的行驶状态信息进行预测,以基于预测的结果,判断是否更改火星车当前控制的状态。通过实时仿真计算出火星车的最佳计算路线,又基于强化学习技术和火星车遥测信息,实时自动优化火星车的控制逻辑,保证了火星车的安全性,使得火星车能更快速的行驶,增强探测效率。
Description
技术领域
本公开涉及自动控制数据处理技术领域,具体涉及到一种火星车的全自动控制方法及装置。
背景技术
随着深空探测技术的发展,火星车的性能对与火星的探测极为重要。
相关技术中,火星车的行进过程中安全性差。
发明内容
本公开的主要目的在于提供一种火星车的全自动控制方法及装置。
为了实现上述目的,根据本公开的第一方面,提供了一种火星车的全自动控制方法,包括:在获取到火星车采集的三维地形信息后,基于所述三维地形信息进行轨迹规划,得到行进线路;在控制火星车按照所述行进线路行进过程中,实时获取火星车采集的当前地形信息;基于火星车的当前位置、当前的行进轨迹、以及所述当前地形信息,对火星车的行驶状态信息进行预测,以基于所述预测的结果,判断是否更改火星车当前所述控制的状态。
可选地,通过强化学习的方法,对火星车行驶时的控制算法进行训练。
可选地,方法还包括:如果更改火星车当前所述控制的状态,基于火星车的当前位置、以及当前三维地形信息规划新行进线路;继续控制火星车按照所述新行进线路行进。
可选地,方法还包括:如果不更改火星车当前所述控制的状态,控制火星车继续按照所述行进路线行驶。
可选地,所述方法基于modelica实现。
根据本公开的第二方面,提供了一种火星车的全自动控制装置,包括:轨迹规划单元,被配置成在获取到火星车采集的三维地形信息后,基于所述三维地形信息进行轨迹规划,得到行进线路;信息获取单元,被配置成在控制火星车按照所述行进线路行进过程中,实时获取火星车采集的当前地形信息;控制单元,被配置成基于火星车的当前位置、当前的行进轨迹、以及所述当前地形所包含的预设信息,对火星车的行驶状态信息进行预测;以基于所述预测的结果,判断是否更改火星车当前所述控制的状态。
可选地,控制单元进一步被配置成如果更改火星车当前所述控制的状态,基于火星车的当前位置、以及当前三维地形信息规划新行进线路;继续控制火星车按照所述新行进线路行进。
可选地,第一控制单元被配置成如果不更改火星车当前所述控制的状态,控制火星车继续按照所述行进路线行驶。
根据本公开的第三方面,提供了一种计算机可读存储介质,包括存储有计算机指令,所述计算机指令用于使所述计算机执行第一方面任意一项实现方式所述的火星车的全自动控制方法
根据本公开的第四方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行第一方面任意一项实现方式所述的火星车的全自动控制方法。
在本公开实施例中,首先在获取到火星车采集的三维地形信息后,基于三维地形信息进行轨迹规划,得到行进线路;而后在控制火星车按照所述行进线路行进过程中,实时获取火星车采集的当前地形信息;最后基于火星车的当前位置、当前的行进轨迹、以及当前地形信息,对火星车的行驶状态信息进行预测,以基于预测的结果,判断是否更改火星车当前控制的状态。通过对火星车的行驶状态进行预测,能够实时仿真计算出火星车的最佳计算路线,保证了火星车的安全性,使得火星车能更快速的行驶,增强探测效率。进而解决了相关技术中存在的火星车安全性能差、行驶速度较慢的技术问题。
附图说明
为了更清楚地说明本公开具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据根据本公开实施例的火星车的全自动控制方法的流程图;
图2是根据本公开实施例的火星车的全自动控制装置的结构图;
图3是根据本公开实施例的电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开方案,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分的实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本公开保护的范围。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
由于地球和火星之前的距离远,即使按照光速进行信息传输也至少需要10多分钟,因此由地球遥控火星车实时行驶困难大,因此当前设计的火星车均具备自动行驶的功能,而自动行驶过程中面临着行驶安全性差、自动行驶速度低的问题。
根据本公开实施例,提供了一种火星车的全自动控制方法,如图1所示,该方法包括如下的步骤101至步骤103:
步骤101:在获取到火星车采集的三维地形信息后,基于所述三维地形信息进行轨迹规划,得到行进线路。
在本实施例中,火星车可以通过其上设置的传感器在行进过程中对预设区域的三维地形进行扫描,得到三维地形图,基于该三维地形图,可以基于预先建立的轨迹规划模型进行轨迹规划,并从规划的所有轨迹中确定一条最行驶线路作为行进线路。具体可以基于modelica建模,使用modelica语言对三维信息进行描述(modelica是一种图灵完备的语言),将三维信息作为仿真的约束条件,计算出火星车最佳行驶路线。
步骤102:在控制火星车按照所述行进线路行进过程中,实时获取火星车采集的当前地形信息。
在本实施例中,传感器采集到的三维信息,无法提供火星车当前地形的其他信息,由于环境的复杂性,以及不可避免的缺失的这些信息,仿真计算出的运行过程,会和实际运行过程存在较大差别。进而在行进过程中如果不将这些危险性环境纳入轨迹规划的过程,必然导致火星车的安全性差、行进速度慢的技术问题。
作为一个示例,在确定行进路线后,火星车的控制模块可以基于步骤101确定的行进路线行进,在行进过程中实时收集当前预设范围内的地形信息,该地形信息是用于表征预设区域内地理环境的信息,可以包括是否是流沙地形、地形的摩擦力大小、地面所能承受的压强大小、或被障碍物阻挡未被传感器感知的地形。
步骤103:基于火星车的当前位置、当前的行进轨迹、以及所述当前地形所包含的预设信息,对火星车的行驶状态信息进行预测,以基于所述预测的结果,判断是否更改火星车当前所述控制的状态。
在本实施例中,火星车未来的行驶状态包括可能存在的风险状态、或不存在风向状态,包括但是不限于翻车状态、原地打转状态、打滑状态、车轮被损坏状态、正常等等。
作为一个示例,如果火星特定的规划轨迹进行行驶,那么在遇到可能发生危险的地形,将不可避免的面临该风险。因此,可以根据当前的位置、以及当前的地形信息对行进过程进行测控,作为一个示例可以对当前位置360度100米范围内的地形进行采集,基于采集到的数据,确定该范围内地形所属的类型信息(地形信息),基于该类型信息、以及当前规划的轨迹,预测车辆可能存在的行驶状态。并基于判断结果,判断是否更改火星车的当前控制的状态。例如,在行驶过程中,如果探测到的当前地形信息包括上坡路段,那么根据当前位置判断当前将处于上坡路段,而上坡路段必然存在下坡路段,如果火星车经过下坡路段,很有可能会翻车。因此此时可以根据行驶线路判断火星车是否经过目标下坡路段、如果经过那么也可以判断该坡度导致翻车的可能性大小。如果翻车的可能性大,那么可以在此时即刻更改火星车的当前状态,可以是中断火星车的行进状态。
作为本实施例一种可选的实现方式,方法还包括:如果更改火星车当前所述控制的状态,基于火星车的当前位置、以及当前三维地形信息规划新行进线路;继续控制火星车按照所述新行进线路行进。
在本可选的实现方式中,如果控制更改火星车的当前状态,可以基于火星车的当前位置、以及地形信息,重新规划。
仿真最佳路线过程中,不断根据火星车的位置信息以及实时生成的三维地形图信息来对火星车未来的行驶状态进行仿真计算,确保火星车的安全,一旦仿真发现火星车有风险,立即中断当前状态,进行计算,选择其他行驶路线和方式保证火星车的安全。
在仿真时,火星车的行驶路线通过对三维地形图和火星车机械、物理特性进行modelica建模,仿真计算得到。相比于现阶段的编程实现方式,基于modelica仿真的计算方式,可以处理的情况更复杂,也更灵活。
作为本实施例一种可选的实现方式,方法还包括:如果不更改火星车当前所述控制的状态,控制火星车继续按照所述行进路线行驶。
在本可选的实现方式中,如果预测结果指示火星车未来一段时间的行驶状态正常,那么不控制更改火车的当前状态,从而继续保持规划的轨迹行驶,但实时采集当前地形信息,以实时更新行驶轨迹。
作为本实施例一种可选的实现方式,对火星车的行驶状态信息进行预测包括:通过强化学习的方法,对火星车行驶时的控制算法进行训练。
在本可选的实现方式中,在仿真出最佳路线后,发出指令控制火星车,由于地形的三维信息无法提供火星车当前地形的其他信息,比如,是否流沙、地形摩擦力、地面能承受压强、或者有很多被阻挡而没有被传感器感知到的地方等,因此在仿真过程中不可避免的缺失的这些信息,仿真计算出的运行过程,会和实际运行过程存在较大差别。在地球和火星如此远的情况下,人工很难直接控制。
因此针对该情形,可以将在不同环境地形下的火星车的异常状态作为强化学习中的回报值,通过强化学习(Reinforcement Learning)标准方式方法,实时优化控制火星车的控制逻辑(算法),使火星车尽量符合实际运行过程,加快火星车在不同地形条件下的行驶速度。
示例性地,在当前地形下火星车不断实时获取该地形下的三维信息,基于该三维信息进行路径规划、并控制火星车的行驶状态,而后在该行驶状态下可以判断火星车经过该地形时,火星车的实际状态,如果实际状态能够达到目标状态,则将控制火星车经过该地形时的控制算法作为最优控制算法;如果实际状态不能够达到目标状态,则不断对控制算法进行调整,并重新控制火星车经过该地形,并在经过该地形时判断实际状态能否达到目标状态,如果不能,继续调整控制算法,直到火星车可以达到目标状态。
例如,在针对火星车某下坡地形时的控制算法进行训练时,在获取到该三维地形信息后,首先基于初始控制算法对火星车进行控制,以实现火星车的下坡,在下坡过程中,如果火星车出现翻车状态,则不断调整控制逻辑,直到能够顺利通过该下坡路段,将顺利通过该下坡路段时的控制算法作为最优控制算法。
实时优化控制火星车的控制逻辑,使火星车尽量符合实际火星陆地的运行过程,从而加快火星车在不同地形条件下的行驶速度。
本实施例在行驶过程中,不断根据火星车的当前位置信息、实时生成的三维地形信息来对火星车未来的行驶状态进行仿真计算,确保火星车的安全,一旦仿真确定火星车有风险,立即中断当前状态,进行计算,选择其他行驶路线和方式保证火星车的安全。从而保证了火星车的速度和安全性。
作为本实施例一种可选的实现方式,方法基于modelica实现。
在本可选的实现方式中,由于本方法包括火星车自动行驶仿真(行驶路线仿真),以及火星车的控制(火星车控制算法的不断优化),而仿真和控制本就是modelica两个最大的应用场景,modelica的这一特性,使得火星车使用同一种语言复杂的场景,保证火星车的安全。
相比于现阶段的编程实现方式,基于modelica仿真的计算方式,相比于传统的编程控制方式,可以处理的情况更复杂,也更灵活。
本实施例基于火星车自带的传感器生成的三维地形图信息,使用modelica建模技术,实时仿真计算出火星车的最佳计算路线,又基于强化学习技术和火星车遥测信息,实时自动优化火星车的控制逻辑,将仿真和控制统一使用modelica实现在一个完整的***中,使得火星车能更快速的行驶,增强探测效率。即将仿真阶段和控制阶段统一使用modelica实现在一个完整的***中,而且进一步使用强化学习技术,加强控制逻辑的精确性,是一种比现有技术方案更好的实现方式,效率更高、也更安全。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本公开实施例,还提供了一种用于实施上述火星车的全自动控制方法的装置,如图2所示,该装置包括:轨迹规划单元201,被配置成在获取到火星车采集的三维地形信息后,基于所述三维地形信息进行轨迹规划,得到行进线路;信息获取单元202,被配置成在控制火星车按照所述行进线路行进过程中,实时获取火星车采集的当前地形信息;控制单元203,被配置成基于火星车的当前位置、当前的行进轨迹、以及所述当前地形所包含的预设信息,对火星车的行驶状态信息进行预测;以基于所述预测的结果,判断是否更改火星车当前所述控制的状态。
作为本实施例一种可选的实现方式,装置还包括:通过强化学习的方法,对火星车行驶时的控制算法进行训练
作为本实施例一种可选的实现方式,控制单元进一步被配置成如果更改火星车当前所述控制的状态,基于火星车的当前位置、以及当前三维地形信息规划新行进线路;继续控制火星车按照所述新行进线路行进。
作为本实施例一种可选的实现方式,第一控制单元被配置成如果不更改火星车当前所述控制的状态,控制火星车继续按照所述行进路线行驶。
作为本实施例一种可选的实现方式,装置基于modelica实现。
本公开实施例提供了一种电子设备,如图3所示,该电子设备包括一个或多个处理器31以及存储器32,图3中以一个处理器31为例。
该控制器还可以包括:输入装置33和输出装置34。
处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接,图3中以通过总线连接为例。
处理器31可以为中央处理器(CentralProcessingUnit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器32作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本公开实施例中的控制方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的火星车的全自动控制方法。
存储器32可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置33可接收输入的数字或字符信息,以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置34可包括显示屏等显示设备。
一个或者多个模块存储在存储器32中,当被一个或者多个处理器31执行时,执行如图1所示的方法。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各电机控制方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)、随机存储记忆体(RandomAccessMemory,RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive,缩写:HDD)或固态硬盘(Solid-StateDrive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本公开的实施方式,但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (9)
1.一种火星车的全自动控制方法,其特征在于,包括:
在获取到火星车采集的三维地形信息后,基于所述三维地形信息进行轨迹规划,得到行进线路;
在控制火星车按照所述行进线路行进过程中,实时获取火星车采集的当前地形信息,其中,所述地形信息是用于表征预设区域内地理环境的信息;
基于火星车的当前位置、当前的行进轨迹、以及所述当前地形信息,对火星车的行驶状态信息进行预测,以基于所述预测的结果,判断是否更改火星车当前所述控制的状态;其中,火星车未来的行驶状态包括可能存在的风险状态、或不存在风险状态,对火星车的行驶状态信息进行预测包括:通过强化学习的方法,对火星车行驶时的控制算法进行训练,包括:将在不同环境地形下的火星车的异常状态作为强化学习中的回报值,通过强化学习标准方式方法,实时优化控制火星车的控制算法,使火星车尽量符合实际运行过程,加快火星车在不同地形条件下的行驶速度。
2.根据权利要求1所述的火星车的全自动控制方法,其特征在于,所述方法还包括:
如果更改火星车当前所述控制的状态,基于火星车的当前位置、以及当前三维地形信息规划新行进线路;
继续控制火星车按照所述新行进线路行进。
3.根据权利要求1所述的火星车的全自动控制方法,其特征在于,所述方法还包括:
如果不更改火星车当前所述控制的状态,控制火星车继续按照所述行进路线行驶。
4.根据权利要求1所述的火星车的全自动控制方法,其特征在于,所述方法基于modelica实现。
5.一种火星车的全自动控制装置,其特征在于,所述装置还包括:
轨迹规划单元,被配置成在获取到火星车采集的三维地形信息后,基于所述三维地形信息进行轨迹规划,得到行进线路;
信息获取单元,被配置成在控制火星车按照所述行进线路行进过程中,实时获取火星车采集的当前地形信息,其中,所述地形信息是用于表征预设区域内地理环境的信息;
控制单元,被配置成基于火星车的当前位置、当前的行进轨迹、以及所述当前地形所包含的预设信息,对火星车的行驶状态信息进行预测;以基于所述预测的结果,判断是否更改火星车当前所述控制的状态,其中,火星车未来的行驶状态包括可能存在的风险状态、或不存在风险状态,对火星车的行驶状态信息进行预测包括:通过强化学习的方法,对火星车行驶时的控制算法进行训练,包括:将在不同环境地形下的火星车的异常状态作为强化学习中的回报值,通过强化学习标准方式方法,实时优化控制火星车的控制算法,使火星车尽量符合实际运行过程,加快火星车在不同地形条件下的行驶速度。
6.根据权利要求5所述的火星车的全自动控制装置,其特征在于,所述控制单元进一步被配置成如果更改火星车当前所述控制的状态,基于火星车的当前位置、以及当前三维地形信息规划新行进线路;继续控制火星车按照所述新行进线路行进。
7.根据权利要求5所述的火星车的全自动控制装置,其特征在于,所述控制单元被配置成如果不更改火星车当前所述控制的状态,控制火星车继续按照所述行进路线行驶。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-4任意一项所述的火星车的全自动控制方法。
9.一种电子设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-4任意一项所述的火星车的全自动控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111002692.XA CN113741448B (zh) | 2021-08-30 | 2021-08-30 | 火星车的全自动控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111002692.XA CN113741448B (zh) | 2021-08-30 | 2021-08-30 | 火星车的全自动控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113741448A CN113741448A (zh) | 2021-12-03 |
CN113741448B true CN113741448B (zh) | 2024-06-18 |
Family
ID=78733897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111002692.XA Active CN113741448B (zh) | 2021-08-30 | 2021-08-30 | 火星车的全自动控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113741448B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536011A (zh) * | 2018-03-19 | 2018-09-14 | 中山大学 | 一种基于深度强化学习的六足机器人复杂地形自适应运动控制方法 |
CN112631294A (zh) * | 2020-12-16 | 2021-04-09 | 上海应用技术大学 | 一种移动机器人智能路径规划方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869820B (zh) * | 2014-03-18 | 2015-10-21 | 北京控制工程研究所 | 一种巡视器地面导航规划控制方法 |
CN108839822B (zh) * | 2018-04-13 | 2020-04-10 | 北京控制工程研究所 | 一种可重复飞行轮腿复合移动机器人 |
-
2021
- 2021-08-30 CN CN202111002692.XA patent/CN113741448B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536011A (zh) * | 2018-03-19 | 2018-09-14 | 中山大学 | 一种基于深度强化学习的六足机器人复杂地形自适应运动控制方法 |
CN112631294A (zh) * | 2020-12-16 | 2021-04-09 | 上海应用技术大学 | 一种移动机器人智能路径规划方法 |
Non-Patent Citations (4)
Title |
---|
Max Pflueger.Rover-IRL: Inverse Reinforcement Learning With Soft Value Iteration Networks for Planetary Rover Path Planning.《IEEE ROBOTICS AND AUTOMATION LETTERS》.2019,第1387-1394页. * |
Rover-IRL: Inverse Reinforcement Learning With Soft Value Iteration Networks for Planetary Rover Path Planning;Max Pflueger;《IEEE ROBOTICS AND AUTOMATION LETTERS》;第1387-1394页 * |
火星车自主导航与路径规划技术研究;魏祥泉;《深空探测学报》;第275-281页 * |
魏祥泉.火星车自主导航与路径规划技术研究.《深空探测学报》.2016,正文第276-280页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113741448A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220121550A1 (en) | Autonomous Vehicle Testing Systems and Methods | |
US12039860B2 (en) | Driving scenarios for autonomous vehicles | |
CN112703459B (zh) | 对抗场景的迭代生成 | |
CN109597317B (zh) | 一种基于自学习的车辆自动驾驶方法、***及电子设备 | |
US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
EP3588226B1 (en) | Method and arrangement for generating control commands for an autonomous road vehicle | |
US11269329B2 (en) | Dynamic model with learning based localization correction system | |
US20200134494A1 (en) | Systems and Methods for Generating Artificial Scenarios for an Autonomous Vehicle | |
CN110494868A (zh) | 车辆电子控制装置 | |
CA3011686A1 (en) | System and method for predicting and responding to soft underfoot conditions | |
KR102517546B1 (ko) | 차량 주행 위험 예측 시스템 및 그 방법 | |
CN112382165A (zh) | 驾驶策略生成方法、装置、介质、设备及仿真*** | |
KR20210133904A (ko) | 자율 주행 차량용 동적 모델 평가 패키지 | |
US20220289253A1 (en) | Method for evaluating autonomous driving system, apparatus and storage medium | |
CN113741448B (zh) | 火星车的全自动控制方法及装置 | |
CN114003028B (zh) | 月球车的控制方法及装置 | |
CN111845769B (zh) | 一种车辆驾驶方法及其装置、计算机设备、车辆 | |
EP4082856A2 (en) | E2e learning-based evaluator for an autonomous driving vehicle | |
CN114104005B (zh) | 自动驾驶设备的决策方法、装置、设备及可读存储介质 | |
CN110333517B (zh) | 障碍物感知方法、装置及存储介质 | |
US20240034353A1 (en) | Automatic generation of corner scenarios data for tuning autonomous vehicles | |
CN117172123B (zh) | 用于矿山自动驾驶的传感器数据处理方法及*** | |
JP7505386B2 (ja) | 遠隔支援装置、遠隔支援システム、遠隔支援方法及びプログラム | |
JP7341311B2 (ja) | 交通信号機の信号状態の判定 | |
WO2023123130A1 (zh) | 用于自动驾驶***的方法、装置、电子设备和介质 |
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 |