guest ::
| 001 | 1018409 | ||
| 005 | 20251113091448.0 | ||
| 024 | 7 | _ | |2 HBZ |a HT031277498 |
| 024 | 7 | _ | |2 Laufende Nummer |a 44728 |
| 024 | 7 | _ | |2 datacite_doi |a 10.18154/RWTH-2025-07834 |
| 037 | _ | _ | |a RWTH-2025-07834 |
| 041 | _ | _ | |a English |
| 082 | _ | _ | |a 004 |
| 100 | 1 | _ | |0 P:(DE-82)IDM03533 |a Scheffe, Patrick |b 0 |u rwth |
| 245 | _ | _ | |a Prioritized motion planning for connected vehicles |c vorgelegt von Patrick Scheffe, M. Sc. RWTH |h online |
| 260 | _ | _ | |a Aachen |b RWTH Aachen University, Department of Computer Science |c 2025 |
| 300 | _ | _ | |a 1 Online-Ressource : Illustrationen |
| 336 | 7 | _ | |0 2 |2 EndNote |a Thesis |
| 336 | 7 | _ | |0 PUB:(DE-HGF)11 |2 PUB:(DE-HGF) |a Dissertation / PhD Thesis |b phd |m phd |
| 336 | 7 | _ | |0 PUB:(DE-HGF)3 |2 PUB:(DE-HGF) |a Book |m book |
| 336 | 7 | _ | |2 BibTeX |a PHDTHESIS |
| 336 | 7 | _ | |2 DRIVER |a doctoralThesis |
| 336 | 7 | _ | |2 DataCite |a Output Types/Dissertation |
| 336 | 7 | _ | |2 ORCID |a DISSERTATION |
| 490 | 0 | _ | |a Aachener Informatik-Berichte |v 2025,01 |
| 500 | _ | _ | |a Veröffentlicht auf dem Publikationsserver der RWTH Aachen University |
| 502 | _ | _ | |a Dissertation, RWTH Aachen University, 2025 |b Dissertation |c RWTH Aachen University |d 2025 |g Fak01 |o 2025-09-08 |
| 520 | 3 | _ | |a Die Regelung mehrerer interagierender Agenten wird als vernetzte Regelung bezeichnet. Bei der Formulierung der Regelung als Optimierungsproblem lässt sich die höchste Lösungsqualität durch eine zentralisierte Regelung erreichen, die alle Agenten gleichzeitig berücksichtigt. Allerdings wachsen dabei die Anzahl der Problemdimensionen mit der Anzahl der Agenten. Bei nichtkonvexen Optimierungsproblemen skaliert die Rechenzeit nicht-polynomiell mit der Anzahl der Problemdimensionen. Die Kombination aus zentralisierter Regelung und nichtkonvexer Optimierung macht zeitbeschränkte Berechnungen oft unmöglich. Ein relevanter Anwendungsfall ist die Multi-Agenten-Bewegungsplanung (MAMP) für vernetzte und automatisierte Fahrzeuge (CAVs) mit Kollisionsvermeidung. Wir adressieren die Nichtkonvexität des Optimierungsproblems indem wir die Systemdynamik mittels eines Automaten modellieren, wodurch Suchalgorithmen für die Bewegungsplanung eingesetzt werden können. Unser Algorithmus hat einen begrenzten Horizont, um die Rechenkomplexität zu verringern, und erreicht eine konstante Rechenzeit durch eine feste Anzahl an Suchoperationen. Wir erreichen rekursive Gültigkeit durch die Struktur des Automaten. Die wachsende Anzahl der Problemdimensionen in zentralisierten Ansätzen adressieren wir durch priorisierte Planung (PP). Bei PP planen Agenten sequenziell nach Priorität, wobei nachgelagerte Agenten die Pläne höherpriorisierter Agenten berücksichtigen. Diese Arbeit behandelt drei Herausforderungen in PP. Erstens ist der Einfluss der Priorisierung auf die Lösungsqualität und die Rechenzeit a priori oft unbekannt. Wir stellen drei Priorisierungsansätze vor: einen Ansatz basierend auf einer Heuristik zur Erhöhung der Lösungsqualität, einen Ansatz zur Minimierung der Anzahl sequenziell planender Agenten und damit der Rechenzeit, und einen Ansatz zur parallelen Berechnung mehrerer Priorisierungen, der entweder die Lösungsqualität erhöht oder die Rechenzeit reduziert. Zweitens wächst die Rechenzeit bei PP annähernd linear mit der Anzahl der Agenten, was eine Herausforderung in Systemen mit vielen Agenten darstellt. Wir präsentieren einen Ansatz, um die Rechenzeit nach Bedarf zu begrenzen und gleichzeitig die Lösungsqualität im Vergleich zu einem Ansatz, bei dem alle Agenten parallel planen, zu verbessern. Drittens kann es vorkommen, dass ein Agent in PP keine gültige Lösung findet. Wir stellen ein Verfahren vor, das die rekursive Gültigkeit für jeden Agenten sicherstellt. Bei Tests von Algorithmen für die vernetzte Regelung ist es schwierig, Reproduzierbarkeit der Experimente zu gewährleisten. Wir präsentieren eine Softwarearchitektur, um diese Herausforderung zu bewältigen, und setzen sie in unserem Cyber-Physical Mobility Lab (CPM Lab) um. Das CPM Lab ist eine frei zugängliche Testumgebung für CAVs. Wir evaluieren unsere Methoden zur Priorisierung und zur begrenzten Rechenzeit in der priorisierten Bewegungsplanung mit numerischen und physischen Experimenten im CPM Lab. |l ger |
| 520 | _ | _ | |a Networked control is concerned with the control of multiple agents which interact. When formulating the control problem as an optimization problem, the highest solution quality can be achieved by centralized control which considers all agents at once. However, the number of problem dimensions then grows with the number of agents. When solving nonconvex optimization problems, the computation time scales non-polynomially with the number of problem dimensions. Combining centralized multi-agent control with nonconvex optimization, a time-constrained optimization is often intractable. A relevant application is multi-agent motion planning (MAMP) for connected and automated vehicles (CAVs) with collision avoidance. We address the nonconvexity of the optimization problem by modelling the system dynamics using an automaton, enabling the use of graph-search algorithms for motion planning. Our motion planning algorithm has a limited horizon to decrease computational complexity and obtains a constant computation time with a fixed number of search operations. We achieve recursive feasibility through the structure of the automaton modelling the system dynamics. We address the growing number of problem dimensions in a centralized formulation with prioritized planning (PP). In PP, agents plan sequentially according to their priorities, and lower-priority agents respect the plans of higher-priority agents. This work addresses three challenges in PP. First, the effect of the prioritization on the solution quality and the computation time is often unknown a priori. We present three prioritization approaches: one using a heuristic to increase solution quality, one to minimize the number of sequentially planning agents and thus the computation time, and one to simultaneously compute multiple prioritizations, which can increase solution quality or reduce computation time. Second, the computation time in PP grows approximately linearly with the number of agents, which poses a challenge in large-scale systems. We present an approach to bound the computation time as desired, while improving the solution quality compared to an approach in which all agents compute in parallel. Third, an agent can fail to find a feasible solution in PP. We present an approach to ensure recursive feasibility for every agent. When testing algorithms for networked control, it is difficult to achieve reproducibility of the experiments. We present a software architecture to address this challenge and implement it in our Cyber-Physical Mobility Lab (CPM Lab). The CPM Lab is an open-source testbed for CAVs. We evaluate our methods on prioritization and bounded computation time for prioritized motion planning in numerical and physical experiments in the CPM Lab. |l eng |
| 536 | _ | _ | |0 G:(GEPRIS)412371229 |a DFG project G:(GEPRIS)412371229 - GROKO-Plan: GRaphenbasierte, Optimale und KOoperative Trajektorienplanung für Interagierende Automobile (412371229) |c 412371229 |x 0 |
| 536 | _ | _ | |0 G:(GEPRIS)255645177 |a SPP 1835: Kooperativ interagierende Automobile |c 255645177 |x 1 |
| 588 | _ | _ | |a Dataset connected to Lobid/HBZ |
| 591 | _ | _ | |a Germany |
| 653 | _ | 7 | |a distributed model predictive control |
| 653 | _ | 7 | |a multi-agent systems |
| 653 | _ | 7 | |a prioritized planning |
| 700 | 1 | _ | |0 P:(DE-82)IDM06137 |a Kowalewski, Stefan |b 1 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)IDM00950 |a Alrifaee, Bassam |b 2 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)196626 |a Koenig, Sven |b 3 |e Thesis advisor |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/1018409/files/1018409.pdf |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/1018409/files/1018409_source.zip |y Restricted |
| 909 | C | O | |o oai:publications.rwth-aachen.de:1018409 |p openaire |p open_access |p VDB |p driver |p dnbdelivery |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM03533 |a RWTH Aachen |b 0 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM06137 |a RWTH Aachen |b 1 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM00950 |a RWTH Aachen |b 2 |k RWTH |
| 914 | 1 | _ | |y 2025 |
| 915 | _ | _ | |0 StatID:(DE-HGF)0510 |2 StatID |a OpenAccess |
| 920 | 1 | _ | |0 I:(DE-82)122810_20140620 |k 122810 |l Lehrstuhl für Embedded Software (Informatik 11) |x 0 |
| 920 | 1 | _ | |0 I:(DE-82)120000_20140620 |k 120000 |l Fachgruppe Informatik |x 1 |
| 980 | 1 | _ | |a FullTexts |
| 980 | _ | _ | |a I:(DE-82)120000_20140620 |
| 980 | _ | _ | |a I:(DE-82)122810_20140620 |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a book |
| 980 | _ | _ | |a phd |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|