ИСТИНА

В настоящее время все большую популярность имеют различные разработки беспилотных транспортных средств, включая беспилотный автомобиль (англ. Unmanned Ground Vehicles, БПА), оборудованный автопилотом – автоматической системой, обеспечивающей управление движением автомобиля без участия водителя [1]. Одно из ключевых направлений разработки и создания БПА связано с автоматизацией отдельных режимов его движения: парковка, движение в пробках, перемещение по автомагистрали и др. Настоящий доклад посвящен исследованию алгоритмического обеспечения автопилота БПА, реализующего как классические, так и современные методы управления парковкой, которая заключается в приведении БПА, как объекта управления, из произвольного начального состояния в целевое конечное состояние за минимальное время с учетом пространственных ограничений, обеспечивающих безопасную парковку автомобиля. В работе рассмотрена кинематическая модель движения автомобиля, механические ограничения накладываемые на параметры системы, вводятся начальные и конечные условия. Рассматриваются пространственно-геометрические ограничения, позволяющие формально обезопасить автомобиль при движении от столкновения. Ставится задача быстродействия – нахождения допустимого управления, переводящего БПА из начального положения в конечное за минимальное время. Изначально к проблеме управления парковкой подходили с использованием классических методов управления, основанных на геометрическом построении опорных траекторий маневра автомобиля, результатом которых является уравнение кривой на плоскости. Среди них успешно зарекомендовала себя модель Дубинса (Lester Dubins), а также её модификации [2]. Дубинс показал, что самый быстрый перевод объекта из одного состояния в другое при заданных начальных и конечных условиях, возможен с помощью кусочно-постоянного управления. При этом существует не более двух промежуточных точек переключения управления, являющихся точками сопряжения дуг окружностей. На основе принципа Понтрягина было показано, что такой перевод из начального положения в конечное будет наибыстрейшим. Однако, в отличие от компьютерной симуляции, БПА будет следовать рассчитанной траектории лишь с погрешностью, которая может оказаться существенной для безопасности маневра. В связи с этим, наиболее перспективными являются методы интеллектуализации управления парковкой БПА, включающие в себя методы машинного обучения, в том числе и методы интеллектуальных вычислений, использующих эволюционный подход, нечеткую логику и нейронные сети. БПА, повторяя многократно процесс парковки и взаимодействуя со с окружающей средой, получает вознаграждение, согласно введенной функции пригодности. За счёт этого БПА обучается выполнять маневр парковки быстро, точно и безопасно. Компьютерная апробация предложенных методов показала их высокую эффективность, а также позволила сделать выводы об их дальнейших перспективах.