Obiettivi formativi
Il corso mira a fornire le nozioni necessarie per comprendere la pipeline di elaborazione di un sistema di guida autonoma, compresa la percezione, la pianificazione e l'attuazione su piattaforme embedded ad alte prestazioni. Applicherà un insieme eterogeneo di tecniche che vanno dalla visione artificiale e dalle tecniche di machine/deep learning, alla robotica ed al controllo, affrontando molteplici problemi nel settore automobilistico, come il rilevamento di corsie e oggetti, la stima dello stato, il posizionamento preciso, la fusione di sensori e la pianificazione del percorso.
Prerequisiti
Per seguire il corso, sono necessarie conoscenze di programmazione (C/C++ o Python).
Contenuti dell'insegnamento
1-Modellazione di veicoli
Questo blocco presenta i modelli di veicoli più utilizzati orientati alla progettazione di pianificatori di percorso e algoritmi di controllo del movimento del veicolo, inclusi il monociclo, la bicicletta e i modelli a due binari, con particolare enfasi sulle non linearità e incertezze del modello, che possono essere rilevanti per la pianificazione del percorso e controllo del movimento del veicolo.
2-Fondamenti di teoria del controllo e ottimizzazione vincolata
L'obiettivo di questo blocco è richiamare le basi della teoria e dell'ottimizzazione del controllo che verranno utilizzate per la pianificazione del percorso e la progettazione del controllo del movimento del veicolo. Saranno richiamati gli strumenti di analisi della stabilità, i metodi degli strumenti di progettazione SISO, con enfasi sulla soddisfazione dei requisiti di prestazione rilevanti per il controllo del movimento del veicolo, mentre saranno esaminati gli strumenti di progettazione MIMO come LQ, posizionamento dei poli. Verranno richiamati i fondamenti dell'ottimizzazione convessa vincolata.
3-Pianificazione del percorso
Dopo aver formulato matematicamente il problema della pianificazione del percorso, in questo blocco faremo una panoramica dei metodi di pianificazione del percorso più avanzati. Gli strumenti di pianificazione del percorso basati su modelli saranno studiati in profondità, con particolare attenzione ai metodi basati sull'ottimizzazione e sui campi potenziali. Verrà introdotta l'architettura decisionale gerarchica per illustrare i vincoli imposti dal controllo del movimento del veicolo sottostante alla pianificazione del percorso e viceversa.
4-Controllo del veicolo per seguire il percorso
Questo blocco formulerà il problema del controllo del movimento del veicolo longitudinale e laterale per le applicazioni che seguono il percorso. Saranno presentati schemi di feedback / feedforward sfruttando le informazioni di anteprima. L'impatto dei rumori dei sensori e delle dinamiche degli attuatori sulle prestazioni a circuito chiuso sarà enfatizzato per evidenziare le connessioni con i blocchi precedenti del corso. Verranno introdotti problemi di progettazione della robustezza. Verrà illustrato l'impatto delle non linearità degli attuatori dello sterzo sulle prestazioni a circuito chiuso.
Programma esteso
- - -
Bibliografia
- “FeedbackSystems. AnIntroductionforScientistsand Engineers”. Karl Johan Åström, Richard M. Murray. Available here: https://www.cds.caltech.edu/~murray/books/AM05/pdf/am08-complete_22Feb09.pdf
- “PredictiveControl forLinear and HybridSystems”, Francesco Borrelli, Alberto Bemporad, ManfredMorari. Available here: https://www.amazon.it/Predictive-Control-Linear-Hybrid-Systems/dp/1107016886
- “ModelPredictiveControl: Theory, Computation, and Design”. James B. Rawlings, David Q. Mayne, MoritzM. Diehl. Available here: https://sites.engineering.ucsb.edu/~jbraw/mpc/
Metodi didattici
Lezioni frontali e esercitazioni in laboratorio.
Gli studenti non frequentanti possono accedere alle slide delle lezioni e al materiale delle esercitazioni.
Modalità verifica apprendimento
– 3 progettini obbligatori
– Esame orale
Altre informazioni
- - -
