Az ARNL egyik meghatározó tevékenysége az alapkutatás, ami egyrészt nélkülözhetetlen a komplex alkalmazási feladatok megoldásában, másrészt biztosítja a nemzetközi reputációt az élenjáró és trendekbe illeszkedő kutatási eredményeivel. Az alapkutatások fő tématerületei a rendszer modellezés, modell-redukció és modell-identifikáció, az adaptív, robusztus, valamint az elosztott és hálózatba kapcsolt rendszerek irányítása.
A kutatott irányítási módszerek közül megemlítendők a lineáris változó paraméterű (LPV) irányítási módszerek, a modell prediktív (MPC) irányítások, az optimális irányítás megtanulása adatokból (pl. megerősítéses tanulás alapon), valamint a valósidejű implementációkat ‒ azon belül is különösen a valósidejű pályatervezést, valamint a környezetérzékelő szenzorok fúzióját ‒ támogató módszerek.
Kihívást jelent az alkalmas, robusztussági követelményeknek megfelelő formális performancia-specifikációk megválasztása. Az irányítás hatékonyságának növelése érdekében alkalmazott valószínűségi relaxáció során csak az esetek nagy többségével szembeni megfelelés az elérendő cél. Az eset alapú megközelítés lehetővé teszi olyan helyzetek kezelését, ahol a szokásos megközelítések a számítási műveletek ugrásszerű növekedése miatt nem alkalmazhatók. Ugyanakkor viszont a módszer robusztusságának vizsgálata komoly tudományos kihívást jelent.
Feladatok:
-
Alapkutatások a modellezés, modell redukció és modell identifikáció területén. Lineáris változó paraméterű és modell prediktív irányítási módszerek pályatervezéshez, jármű hossz- és keresztirányú mozgásának szabályozásához.
-
Optimális irányítás kidolgozása gépi tanulás segítségével. A komplex, számításigényes nemlineáris optimalizációs feladatok gépi tanulással történő támogatása az egyszerűbb valósidejű implementálhatóság érdekében.
-
Adatgyűjtési kampány során járműdinamikai és forgalmi jellemzők mérése, adatfeldolgozása. A publikus adatforrások feltérképezése. A létrejövő nagyméretű adatbázis számítógépes felhőben történő feldolgozási lehetőségeinek vizsgálata.
