LACART提出前瞻增强避障与参考跟踪方法

Pedro Lopes、Amit Shivam 和 Luis Tiago Paiva 提交论文，提出 LACART 方法：把基于前瞻的控制障碍函数（CBF）、松弛控制李雅普诺夫函数（CLF）与二次规划（QP）结合，在统一优化层中修正车辆标称指令，同时处理圆形障碍与赛道边界。 与 Huang 等人的对比仿真显示，两者全赛道路径相近，LACART 的中位计算时间更低：每步 0.31 对 0.33 毫秒，每次 QP 求解 0.023 对 0.025 毫秒。作者还在一辆 1:43 比例小车上演示了基于摄像头估计与无线驱动的方案，报告控制频率为 25 Hz；并称已识别前瞻点间隙与车体间隙之间的关联条件，说明了硬件限制，提出录制安全干预与恢复的演示。

AI 根据报道生成 · 15 小时前更新