基于近端策略优化事件触发机制的卡车编队成形框架

《Electronics》：Truck Platooning via Zeno-Free Event-Triggered Communication Based on Reinforcement Learning

　　车路编队依赖于频繁的车对车通信以实现编队成形，这可能带来潜在的通信和计算负担。为了平衡成形性能与通信效率，本文提出了一种基于近端策略优化的事件触发机制（PPO-ETM），用于卡车的编队成形。在前导跟随拓扑结构下，每辆跟随车利用本地可用信息，独立决定是否传输其状态。PPO通过联合考虑成形误差和传输成本来优化通信决策，同时控制器生成加速和转向指令。此外，进一步引入了解析设计的事件触发滤波器，以确保严格正的最小事件间隔时间，从而排除芝诺行为。仿真结果表明，所提出的框架能使初始分散的卡车收敛到并维持期望的编队，同时避免冗余的信息传输。对比研究表明，PPO-ETM在成形精度、通信效率和学习性能之间实现了良好的平衡，优于其他强化学习方法。这些结果表明，所提出的框架为通信受限的卡车编队提供了一种去中心化和可扩展的解决方案。