User: Guest  Login
Original title:
Safe and Non-Conservative Handling of Multi-Modal and Unmodeled Uncertainty in Autonomous Driving with Stochastic Model Predictive Control
Translated title:
Sicherer und nicht-konservativer Umgang mit multimodaler und nicht modellierter Unsicherheit beim autonomen Fahren mit stochastischer modellprädiktiver Regelung
Author:
Benciolini, Tommaso
Year:
2024
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Institution:
Steuerungs- und Regelungstechnik (Prof. Buss)
Advisor:
Leibold, Marion (Priv.-Doz. Dr. habil.)
Referee:
Leibold, Marion (Priv.-Doz. Dr. habil.); Wahlberg, Bo (Prof.)
Language:
en
Subject group:
ELT Elektrotechnik
TUM classification:
MSR 600
Abstract:
This thesis proposes novel algorithms for safely managing uncertainty in autonomous driving. We derive an effective description of multi-modal uncertainty from the unknown behavior of traffic participants and propose control strategies to handle this uncertainty efficiently. We also explore using machine learning to improve the prediction of the uncertainty components that are difficult to model. All algorithms are validated in various challenging scenarios.
Translated abstract:
In dieser Arbeit werden neuartige Algorithmen zum sicheren Umgang mit Unsicherheit im autonomen Fahren vorgeschlagen. Wir leiten eine effektive Beschreibung der multimodalen Unsicherheit aus dem unbekannten Verhalten der Verkehrsteilnehmer her und schlagen entsprechende Kontrollstrategien vor. Zudem erforschen wir den Einsatz von maschinellem Lernen zur verbesserten Vorhersage schwer modellierbarer Unsicherheit. Alle Algorithmen werden in verschiedenen anspruchsvollen Szenarien validiert.
WWW:
https://mediatum.ub.tum.de/?id=1745132
Date of submission:
13.06.2024
Oral examination:
19.11.2024
File size:
6833512 bytes
Pages:
195
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20241119-1745132-0-4
Last change:
02.01.2025
 BibTeX