Back to search

École de technologie supérieure

Planification de trajectoire et contrôle pour la course autonome par optimisation et apprentissage par renforcement

Abstract

dc:description

La course autonome constitue un point de référence exigeant pour les algorithmes de perception, de planification et de contrôle : un véhicule de course doit fonctionner à la limite de son enveloppe de performance physique, où la dynamique non linéaire du pneu impose des exigences extrêmes à chacun des sous-systèmes. Pour résoudre ce problème, il faut construire une carte de l’environnement, estimer l’état du véhicule, générer une trajectoire optimale et la suivre sous des contraintes dynamiques strictes, mais l’intégration systématique de ces sous-systèmes sur une plateforme unifiée reste un défi ouvert. Ce mémoire se concentre sur la planification et le suivi de trajectoire pour la plateforme de course autonome F1TENTH. Les expériences sont menées entièrement en simulation via F1TENTH Gym. Il est présenté un planificateur de trajectoire hors ligne qui fournit à la fois une ligne de course avec une courbure minimale et un profil de vitesse. La trajectoire géométrique est calculée en résolvant un problème d’optimisation sous la forme d’un programme quadratique. Le profil de vitesse est obtenu avec un schéma d’intégration avant-arrière qui respecte les contraintes du cercle de friction. Deux types de contrôleurs sont explorés. Un premier basé sur un modèle est implémenté par commande prédictive (MPC) sous la forme d’un programme non linéaire contraint résolu sur un horizon glissant fini. Le second est basé sur les données. L’algorithme Soft Actor-Critic (SAC) est utilisé pour entraîner des agents par apprentissage par renforcement en tant que politiques de contrôle. Ces politiques sont entraînées sans dépendre d’une trajectoire de référence.

Degree

thesis:*
Name thesis:degree_name
Mémoire de maîtrise électronique
Level thesis:degree_level
masters
Grantor dc:publisher
École de technologie supérieure
Year dc:date
2026

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Dang, Victor

Subjects

dc:subject × 1

Rights

Language dc:language
fr

Identifiers

dc:identifier.*
Identifier
INSERT-YOUR-LIBRARY-ID-HERE4140

Chain of custody

source
Harvested from
ETS (Quebec)
Base URL
espace.etsmtl.ca/cgi/oai2
Last updated
2026-11-18
Source record
OAI-PMH GetRecord
citation

Dang, Victor. Planification de trajectoire et contrôle pour la course autonome par optimisation et apprentissage par renforcement. masters thesis, École de technologie supérieure, 2026.