Stagiaire - Final-Year Internship
Développement d'une approche d'apprentissage par renforcement appliquée à la commande adaptative de la distance de sécurité dans les véhicules autonomes au laboratoire LARSI.
- Conception et simulation d'un système d'Adaptive Cruise Control (ACC) en MATLAB/Simulink utilisant des algorithmes d'apprentissage par renforcement (DDPG, PPO) sous différents scénarios de circulation.
- Validation du contrôleur via des simulations Model-in-the-Loop (MIL) pour évaluer les performances, la stabilité et la sécurité.
- Implémentation d'une stratégie de Model Predictive Control (MPC) à titre comparatif avec les approches par apprentissage par renforcement.
- Optimisation de la sécurité, du confort et du maintien de la distance inter-véhiculaire pendant les phases d'accélération et de décélération.
- Évaluation des performances du système dans des scénarios de conduite complexes, incluant les freinages d'urgence et le trafic en stop-and-go.
- Étude du potentiel des contrôleurs avancés pour améliorer la prise de décision et la sécurité dans les systèmes ADAS et la conduite autonome.
Environnement technique