008240612s2023      us  |||||||||||||||c||eng  d
■001000016933914
■00520240214101506
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380368773
■035    ▼a(MiAaPQ)AAI30567415
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a621
■1001  ▼aSchweidel,  Katherine.
■24510▼aRobust  Hierarchical  Control  With  Connected  Layers▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  Berkeley.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(101  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  B.
■500    ▼aAdvisor:  Arcak,  Murat.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aComplex  systems,  such  as  autonomous  vehicles  and  missile  guidance  systems,  use  hierarchical  control  schemes  where  each  control  layer  employs  a  different  system  model.  This  approach  enhances  computational  efficiency  because  using  a  simpler  model  in  the  higher-level  control  layer  reduces  computation  times,  enabling  real-time  control  strategies.  This  dissertation  presents  a  framework  in  which  a  lower-fidelity  planning  model  is  employed  for  online  planning,  and  a  tracking  controller,  synthesized  offline,  keeps  the  tracking  error  between  the  high-fidelity  ("tracking")  model  and  the  planning  model  within  a  bounded  set.  To  ensure  safety,  the  error  that  arises  from  the  different  models  in  each  control  layer  is  rigorously  accounted  for  through  augmentation  of  the  planner  safety  constraints  with  the  tracking  error  bound.Accommodating  more  sources  of  real-world  uncertainty  enhances  the  safety  and  usefulness  of  the  control  scheme.  We  next  describe  a  robust  extension  which  utilizes  integral  quadratic  constraints  to  accommodate  input  uncertainties  such  as  unknown  delays  or  unmodeled  actuator  dynamics  in  the  tracking  model.  Finally,  through  a  case  study  of  shared  vehicle  control  between  a  human  driver  and  a  supervisory  autonomous  system  in  longitudinal  driving  scenarios,  we  present  a  novel  method  called  Driver-in-the-Loop  Contingency  MPC  that  leverages  simplified  dynamics  to  compute  invariant  sets  that  guarantee  safety  with  respect  to  other  vehicles.  This  contribution  can  be  viewed  as  adding  robustness  to  other  agents  in  the  planning  layer.
■590    ▼aSchool  code:  0028.
■650  4▼aMechanical  engineering.
■650  4▼aComputer  engineering.
■650  4▼aAutomotive  engineering.
■653    ▼aTracking
■653    ▼aComplex  systems
■653    ▼aAutonomous  vehicles
■653    ▼aHierarchical  control
■653    ▼aAugmentation
■690    ▼a0548
■690    ▼a0464
■690    ▼a0540
■71020▼aUniversity  of  California,  Berkeley▼bMechanical  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g85-03B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16933914▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024