基于交互预测与迭代式训练的动态避障轨迹规划方法
知识产权简介
通过考虑动态障碍物的预测轨迹构建一种基于深度强化学习的无人矿卡动态避障轨迹规划算法,从在实现无人矿卡在矿山复杂场景下与动态障碍物的交互博弈,提升轨迹规划的安全性和矿卡行驶效率。通过构建基于高保真动力学的强化学习仿真训练平台,提升算法对无人矿卡动力学特性的响应能力。并通过构建迭代式训练策略,提升算法交互博弈的真实性。
转化前景
本申请通过引入CTRA非线性预测机制显著提升了动态避障的精准度与通行流畅性,构建跨语言高保真七自由度动力学仿真环境有效弥合了“Sim-to-Rea1”迁移鸿沟,结合对抗性迭代训练策略大幅增强了复杂会车场景下的交互博弈鲁棒性,并通过多目标自适应奖励函数实现了安全性与运输效率的最优平衡,经实验验证碰撞率低至2%;该方法应用前景广阔,特别适用于地形复杂、多车混行的露天矿山无人运输场景,能够有效提升无人矿卡的作业安全性与运输效率,降低运营风险与设备损耗,有力推动矿山自动驾驶技术的智能化转型与落地应用。