Human-Aided Trajectory Planning for Automated Vehicles through Teleoperation and Arbitration Graphs

📄 arXiv: 2502.02207v2 📥 PDF

作者: Nick Le Large, David Brecht, Willi Poh, Jan-Hendrik Pauls, Martin Lauer, Frank Diermeyer

分类: cs.RO, cs.HC

发布日期: 2025-02-04 (更新: 2026-01-08)

备注: 7 pages, 8 figures, presented at IEEE Intelligent Vehicles Symposium 2025, video demonstration available at https://www.youtube.com/watch?v=fVSO-YOeGMk

DOI: 10.1109/IV64158.2025.11097737

💡 一句话要点

提出基于仲裁图的人工辅助轨迹规划方法，扩展自动驾驶车辆运行设计域。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自动驾驶 远程操控 轨迹规划 仲裁图 人机协作

📋 核心要点

  1. 自动驾驶系统在复杂场景中面临挑战，需要人工远程辅助进行干预，但现有方法集成复杂且维护困难。
  2. 论文提出利用仲裁图框架，将远程辅助模块集成到自动驾驶系统中，无需修改原有软件组件。
  3. 通过模拟实验，验证了该方法在调整规划器约束和扩展运行设计域方面的有效性。

📝 摘要（中文）

本文提出了一种通过远程人工辅助来增强自动驾驶车辆轨迹规划能力的方法。当自动驾驶系统无法找到合适的解决方案时，远程操控允许人工干预。远程辅助概念通过操作员提供离散输入来辅助特定的自动化模块（如规划），由于其降低了远程操作员的工作量并提高了安全性而受到越来越多的关注。然而，这些概念由于其与自动驾驶系统的深度集成和交互而难以实施和维护。本文提出了一种解决方案，以促进对规划层面进行干预的远程辅助概念的实施，并在运行时扩展车辆的运行设计域。利用仲裁图（一种模块化决策框架），我们将远程辅助集成到现有的自动驾驶系统中，而无需修改原始软件组件。我们的模拟实现通过两个用例展示了这种方法，允许操作员调整规划器约束，并实现超出标称运行设计域的轨迹生成。

🔬 方法详解

问题定义：自动驾驶车辆在面对复杂或超出预设运行设计域（ODD）的场景时，可能无法生成安全可行的轨迹。现有的远程辅助方法通常需要对自动驾驶系统的核心模块进行深度集成，导致系统复杂性增加，维护成本高昂，并且难以扩展到新的场景。因此，如何以一种模块化、低侵入性的方式引入人工辅助，扩展自动驾驶车辆的ODD，是一个亟待解决的问题。

核心思路：本文的核心思路是利用仲裁图（Arbitration Graphs）作为一种模块化的决策框架，将远程人工辅助模块集成到现有的自动驾驶系统中。仲裁图允许在不同的决策模块之间进行灵活的切换和组合，从而可以在自动驾驶系统无法找到合适轨迹时，由人工操作员通过远程操控提供辅助信息，指导轨迹规划器生成可行的轨迹。这种方法避免了对原有自动驾驶系统的核心模块进行修改，降低了集成和维护的复杂性。

技术框架：整体框架包含自动驾驶系统、远程操作员和仲裁图三个主要部分。自动驾驶系统负责在常规ODD内进行轨迹规划。当自动驾驶系统无法生成可行轨迹时，仲裁图会激活远程辅助模块。远程操作员通过远程操控界面提供辅助信息，例如调整规划器约束或指定目标点。辅助信息被传递给轨迹规划器，重新生成轨迹。仲裁图负责在自动驾驶系统和远程辅助模块之间进行决策切换和信息传递。

关键创新：最重要的技术创新点在于利用仲裁图实现了一种模块化的远程辅助集成方案。与传统的深度集成方法相比，该方案具有以下优势：1) 低侵入性：无需修改原有自动驾驶系统的核心模块。2) 灵活性：可以方便地添加或移除远程辅助模块。3) 可扩展性：可以支持多种类型的远程辅助操作，例如调整规划器约束、指定目标点或提供参考轨迹。

关键设计：仲裁图的设计是关键。它需要定义清晰的决策规则，以确定何时激活远程辅助模块，以及如何将远程辅助信息传递给轨迹规划器。此外，远程操控界面的设计也至关重要，需要提供直观易用的操作方式，以便操作员能够快速有效地提供辅助信息。论文中使用了两个用例来验证该方法，分别是调整规划器约束和启用超出标称运行设计域的轨迹生成。具体参数设置和损失函数等技术细节在论文中没有详细描述，属于未知信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

该论文通过模拟实验验证了所提出的方法在两个用例中的有效性。实验结果表明，通过远程操作员的辅助，自动驾驶车辆能够成功生成可行轨迹，即使在自动驾驶系统自身无法找到解决方案的情况下。具体性能数据和提升幅度在摘要和论文中未明确给出，属于未知信息。但整体思路验证了人工辅助对于扩展自动驾驶系统能力的可行性。

🎯 应用场景

该研究成果可应用于多种自动驾驶场景，尤其是在复杂交通环境、恶劣天气条件或突发事件等情况下，远程操作员可以提供必要的辅助，提高自动驾驶车辆的安全性和可靠性。此外，该方法还可以用于自动驾驶车辆的测试和验证，帮助开发人员发现和解决潜在问题。未来，该技术有望促进自动驾驶技术的广泛应用。

📄 摘要（原文）

Teleoperation enables remote human support of automated vehicles in scenarios where the automation is not able to find an appropriate solution. Remote assistance concepts, where operators provide discrete inputs to aid specific automation modules like planning, is gaining interest due to its reduced workload on the human remote operator and improved safety. However, these concepts are challenging to implement and maintain due to their deep integration and interaction with the automated driving system. In this paper, we propose a solution to facilitate the implementation of remote assistance concepts that intervene on planning level and extend the operational design domain of the vehicle at runtime. Using arbitration graphs, a modular decision-making framework, we integrate remote assistance into an existing automated driving system without modifying the original software components. Our simulative implementation demonstrates this approach in two use cases, allowing operators to adjust planner constraints and enable trajectory generation beyond nominal operational design domains.