Small-scale radio-controlled cars provide a flexible testing environment for rapid implementation and testing of navigation, path planning and control algorithms developed for autonomous ground vehicles. In this student project the aim is to develop a control algorithm for the F1TENTH 1:10 scale car model. The student's task is to design a robust trajectory tracking controller based on the nonlinear dynamical model of the vehicle. The task must be solved by LQ controllers designed for the simplified lateral and longitudinal models, as well as by using nonlinear model predictive control approaches. The controlled vehicle must be able to precisely follow the given trajectory both in forward and backward direction, even in the presence of model uncertainties and external disturbances. Efforts should be made to provide mathematical guarantees for ensuring the stability and the required performance properties of the closed loop control system. The algorithms must be developed in Matlab/Python environments and their applicability must be demonstrated by simulations and on the F1TENTH car available in the Sztaki AiMotionLab laboratory.

Requirements: solid background in linear algebra and mathematical analysis; basic knowledge in mechanical systems modelling, system theory and numerical optimization; programming skills; experience in Matlab and Python.

-----------------------------------------------------------

A kisméretű, rádióirányítású autók flexibilis tesztkörnyezetet biztosítanak autonóm földi járművekre fejlesztett navigációs, pályatervezési és irányítási algoritmusok gyors implementációjára és tesztelésére. Jelen önálló labor keretében az F1TENTH 1:10 méretarányú autó modell alapú irányítását tűzzük ki célul. A hallgató feladata a jármű nemlineáris, dinamikus modelljére épülő, robosztus pályakövető irányítás megtervezése egyrészt az egyszerűsített laterális és longitudinális modellre épülő LQ szabályozással, másrészt modell prediktív irányítási módszerek alkalmazásával. A szabályozónak képesnek kell lennie a megadott trajektória pontos követésére mind előre, mind hátramenetben, modellbizonytalanságok és külső zavarások esetén is. A megoldás során törekedni kell arra, hogy a zárt szabályozási körre előírt stabilitási és performanciatulajdonságok biztosítása matematikailag garantálható legyen. A kidolgozott eljárásokat Matlab/Python nyelven kell implementálni és alkalmazhatóságukat szimulációs környezetben és a Sztaki AiMotionLab laborjában rendelkezésre álló F1TENTH autón is be kell mutatni.

Szükséges előismeretek: lineáris algebra és analízis ismeretek; mechanikai rendszerek modellezése, rendszerelmélet és numerikus optimalizálás alapok; programozói képesség; Matlab és Python programozási nyelvek ismerete