双网络全局机动预测模型

用神经网络代理替代耗时的高保真地形仿真，在保持预测精度的同时显著缩短全局机动性地图生成时间。

Hua, Chen · Jiang, Chunmao · Niu, Runxin · Xuhui, Fu · Ziyu, Chen · Xinkai, Kuang · Yu, Biao

IEEE Transactions on Vehicular Technology 2024

技术优势

仿真时间大幅缩短

神经网络代理替代车辆-地面接触仿真中的复杂力学计算，避免逐时间步求解，从而显著减少计算量。

全局地图生成不再靠遍历

通过边界数据增强的神经网络直接预测机动性地图，绕开耗时的高保真遍历仿真流程。

精度有保证

在显著减少计算时间的同时，所提方法仍能保持高预测精度。

应用场景

• 越野无人车机动性评估：快速生成全局机动性地图，替代高保真仿真，大幅缩短评估时间。
• 地面无人系统任务规划：提供实时机动性预测，支持任务规划在线调整与路径可行性判断。
• 车辆地面力学仿真加速：用神经网络代理替代接触仿真中的复杂力学计算，加速仿真流程。
• 群体无人车路径规划：为多车路径规划提供快速的全局地形通过性信息，避免重复仿真。