Tracailer: An Efficient Trajectory Planner for Tractor-Trailer Robots in Unstructured Environments
作者: Long Xu, Kaixin Chai, Boyuan An, Jiaxiang Gan, Shuhang Ji, Zhenyu Hou, Qianhao Wang, Yuan Zhou, Xiaoying Li, Junxiao Lin, Zhichao Han, Chao Xu, Yanjun Cao, Fei Gao
分类: cs.RO
发布日期: 2025-02-27 (更新: 2025-09-14)
备注: 21 pages, 17 figures, 6 tables
DOI: 10.1109/TASE.2025.3608827
🔗 代码/项目: GITHUB
💡 一句话要点
Tracailer：面向非结构化环境的拖拉机-拖车机器人高效轨迹规划器
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 轨迹规划 拖拉机-拖车机器人 非结构化环境 运动规划 轨迹优化
📋 核心要点
- 拖拉机-拖车机器人因其复杂运动学和可变形结构，在非结构化环境下的轨迹规划面临挑战，现有方法难以兼顾效率和安全性。
- Tracailer通过轻量级高阶平滑轨迹表示和直接在连续空间进行轨迹形变，避免了凸近似带来的空间损失，降低了对初始值的依赖。
- 实验结果表明，该方法在效率上较现有算法提升数倍，并保证了更低的曲率和轨迹持续时间，并在真实场景中验证了有效性。
📝 摘要（中文）
本文提出了一种用于拖拉机-拖车机器人的高效轨迹规划方法。相较于普通车辆机器人，拖车增加了运输能力，但也带来了复杂的运动学、高维状态空间和可变形结构等问题，使得运动规划更具挑战。为了高效地规划出安全、时间最优的轨迹，同时满足机器人的运动学约束并应对其独特特征带来的挑战，本文提出了一种轻量级、紧凑且高阶平滑的轨迹表示方法。在此基础上，设计了一个可高效求解的时空轨迹优化问题。针对可变形结构导致的避障难题，充分利用环境中的无碰撞区域，直接在连续空间中对轨迹进行形变。这种方法无需在每次优化前通过碰撞自由种子点使用凸近似从环境中构建安全区域，避免了解决方案空间的损失，从而降低了优化对初始值的依赖。此外，还提出了一种多终端快速路径搜索算法来生成优化的初始值。大量的仿真实验表明，与现有算法相比，本文方法在效率上提高了数倍，同时保证了更低的曲率和轨迹持续时间。在室内和室外场景中进行的货物运输、装卸等真实实验进一步验证了该方法的有效性。源代码已在https://github.com/Tracailer/Tracailer上公开。
🔬 方法详解
问题定义：论文旨在解决拖拉机-拖车机器人在非结构化环境中高效、安全地进行轨迹规划的问题。现有方法通常依赖于凸近似来构建安全区域，这会导致解决方案空间的损失，并增加对初始值的依赖，同时难以处理拖车带来的复杂运动学约束和可变形结构。
核心思路：论文的核心思路是避免使用凸近似，而是直接在连续空间中对轨迹进行形变，充分利用环境中的无碰撞区域。此外，采用轻量级、高阶平滑的轨迹表示，并设计可高效求解的时空轨迹优化问题，以提高规划效率。
技术框架：该方法主要包含以下几个阶段：1) 使用多终端快速路径搜索算法生成初始轨迹；2) 基于轻量级高阶平滑轨迹表示，构建时空轨迹优化问题，该问题考虑了机器人的运动学约束；3) 在连续空间中对轨迹进行形变，以实现避障；4) 通过优化求解器得到最终轨迹。
关键创新：最重要的技术创新点在于直接在连续空间中进行轨迹形变，避免了凸近似带来的空间损失。与现有方法相比，该方法能够更充分地利用环境信息，降低对初始值的依赖，并提高规划效率。
关键设计：论文采用了一种轻量级、紧凑且高阶平滑的轨迹表示方法，具体形式未知。时空轨迹优化问题中，目标函数可能包含时间、曲率等因素，约束条件包括运动学约束和避障约束。多终端快速路径搜索算法的具体实现方式未知，但其目的是为了生成高质量的初始轨迹。
🖼️ 关键图片
📊 实验亮点
仿真实验表明，Tracailer算法在效率上较现有算法提升数倍，同时保证了更低的曲率和轨迹持续时间。此外，在室内和室外场景中进行的货物运输、装卸等真实实验进一步验证了该方法的有效性，表明其在实际应用中具有良好的性能。
🎯 应用场景
该研究成果可广泛应用于农业、物流、仓储等领域，实现拖拉机-拖车机器人在复杂环境下的自主导航和作业。例如，在农田中进行自动播种、施肥，在仓库中进行货物搬运，在港口进行集装箱运输等。该技术能够提高作业效率，降低人工成本，并提升安全性，具有重要的实际应用价值和广阔的发展前景。
📄 摘要（原文）
The tractor-trailer robot consists of a drivable tractor and one or more non-drivable trailers connected via hitches. Compared to typical car-like robots, the addition of trailers provides greater transportation capability. However, this also complicates motion planning due to the robot's complex kinematics, high-dimensional state space, and deformable structure. To efficiently plan safe, time-optimal trajectories that adhere to the kinematic constraints of the robot and address the challenges posed by its unique features, this paper introduces a lightweight, compact, and high-order smooth trajectory representation for tractor-trailer robots. Based on it, we design an efficiently solvable spatial-temporal trajectory optimization problem. To deal with deformable structures, which leads to difficulties in collision avoidance, we fully leverage the collisionfree regions of the environment, directly applying deformations to trajectories in continuous space. This approach not requires constructing safe regions from the environment using convex approximations through collision-free seed points before each optimization, avoiding the loss of the solution space, thus reducing the dependency of the optimization on initial values. Moreover, a multi-terminal fast path search algorithm is proposed to generate the initial values for optimization. Extensive simulation experiments demonstrate that our approach achieves severalfold improvements in efficiency compared to existing algorithms, while also ensuring lower curvature and trajectory duration. Real-world experiments involving the transportation, loading and unloading of goods in both indoor and outdoor scenarios further validate the effectiveness of our method. The source code is accessible at https://github.com/Tracailer/Tracailer.