SideNet-MPC以模仿学习替代避障侧枚举

Changyu Lee 等提出 SideNet-MPC 方法，用模仿 MM-MPC 专家的图神经网络预测每个障碍物的避让侧，替代按避让侧组合逐一求解最优控制问题的枚举方式，使每个控制周期最多求解两个 OCP，实际控制输入仍来自带控制屏障函数约束的 OCP。 在 100 次种子匹配的混合交通闭环蒙特卡洛实验中，SideNet-MPC 达到专家 93% 的成功率，单线程每控制周期耗时 18.6 毫秒，比专家在 16 并行线程上的 35.5 毫秒少 48%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。