Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, mobil yang dikendalikan MPC melaju di tikungan es sambil terus merencanakan 1,2 detik ke depan, terlihat dari titik-titik prediksi oranya di depan mobil. Galat lateralnya hanya 1 cm, 8 kali lebih kecil dari Stanley. Ayo kita mulai. Halo, selamat datang di episode kelima seri kendaraan otonom MPC Pass Tracking. Formulasi MPC sudah siap. Hari ini kita menjalankannya dengan prinsip Residing Horizon. Di setiap langkah, selesaikan optimasi untuk seluruh horizon, terapkan hanya masukan pertama, lalu ulangi di langkah berikutnya dengan keadaan baru. Kita juga membuat animasi mobilnya.
Langkah 1: Receding horizon & solver 0SOP
Kita lanjutkan file mpc.py dengan metode call, agar objek MPC bisa dipanggil seperti fungsi pengendali lain. Pertama, buat profil kecepatan rencana dan acuan horizon dari posisi mobil. Lalu untuk setiap langkah horizon, hitung model linear RK4 di titik acuan dan isi nilai parameter A, B, dan C. Masalah diselesaikan dengan solver OSQP dengan Warm Start, memakai solusi sebelumnya sebagai tebakan awal. Bila solver gagal, kita pertahankan masukan sebelumnya agar mobil tetap aman. Hanya masukan pertama yang dikembalikan, dan prediksi keadaan disimpan untuk digambar.
Langkah 2: MPC vs Pure Pursuit vs Stanley
Buat file jalankan underscore mpc.py. Kita bungkus MPC dengan fungsi yang mencatat prediksi horizon di setiap langkah, lalu jalankan pada tikungan S dengan kecepatan 10 meter per detik, bersama Pure Pershoot dan Stanley. Jalankan. MPC menyelesaikan 144 kuadrati program dengan rata-rata sekitar 10 milidetik per langkah, cukup cepat untuk waktu nyata. Galat lateral RMS MPC hanya 0,011 meter dengan maksimum 3,1 cm, dibandingkan 0,101 meter untuk Pure Pershoot dan 0,084 meter untuk Stanley.
Langkah 3: Prediksi horizon & animasi
Lanjutkan dengan visualisasi. Fungsi kotak mobil menggambar badan mobil 4,5 meter dari posisi poros belakang dan arahnya. Kita gambar lintasan MPC beserta badan mobil dan titik-titik prediksi setiap 2,5 detik, serta grafik sudut kemudi ketiga pengendali. Lalu fung animation membuat animasi mobil dan horizon prediksinya, disimpan sebagai mpc underscore animasi dot gif. Mari lihat grafiknya. Titik oranya di depan setiap mobil adalah rencana MPC, yang sudah melengkung mengikuti tikungan sebelum mobil sampai di sana. Pada grafik kemudi, MPC mulai memutar setir lebih awal dari Pure Pershoot dan Stanley. Inilah keunggulan MPC, ia melihat tikungan yang akan datang, bukan hanya galat saat ini.
Selesai!
Selesai. Kita sudah mengimplementasikan MPC dengan CVXPY dan OSQP secara Residing Horizon, membandingkannya dengan Pure Pershoot dan Stanley, serta membuat gambar dan animasi kendaraan. Di episode terakhir kita uji ketiganya di sirkuit berliku dengan berbagai kecepatan. Sedang menyusun skripsi, tesis, atau riset di bidang kendaraan otonom dan sistem kendali? Cerdas inovasi digital membantu implementasi sistem kendali kendaraan, dari bicycle model, lintasan referensi, Pure Pershoot dan Stanley, sampai model predictive control dengan CVXPY, serta membuka kursus pemrograman Python untuk teknik elektro dan mekatronika. Ingin menguasai seluruh seri ini, dari model kendaraan sampai uji sirkuit berliku dengan berbagai kecepatan? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com. Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton,
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
