Turning Circle-based Control Barrier Function for Efficient Collision Avoidance of Nonholonomic Vehicles

📄 arXiv: 2503.20280v1 📥 PDF

作者: Changyu Lee, Kiyong Park, Jinwhan Kim

分类: cs.RO, eess.SY

发布日期: 2025-03-26

备注: This work has been submitted to an IEEE journal for possible publication

💡 一句话要点

提出基于回旋圆的控制屏障函数，提升非完整车辆避障效率

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 控制屏障函数 非完整车辆 避障 回旋圆 模型预测控制 自主导航 运动规划

📋 核心要点

  1. 传统CBF避障方法依赖欧几里得距离，忽略了非完整车辆的运动约束，导致机动突兀和速度损失。
  2. 论文提出基于回旋圆的CBF，将车辆的非完整约束纳入考虑，从而更准确地评估碰撞风险。
  3. 通过数值模拟和水面车辆实验验证，表明该方法能生成更高效的避障轨迹，提升避障效率。

📝 摘要（中文）

本文提出了一种新的控制屏障函数（CBF），旨在提高非完整车辆避障的效率。传统的CBF通常依赖于到障碍物的最短欧几里得距离，忽略了非完整车辆有限的航向改变能力。这通常会导致突兀的机动和过度的速度降低，这是不希望发生的，并降低了避障的效率。我们的方法通过结合到回旋圆的距离来解决这些限制，考虑了车辆由于其非完整约束而受到的有限机动性。所提出的CBF与模型预测控制（MPC）相结合，与仅依赖于基于欧几里得距离的CBF的现有方法相比，能够生成更有效的轨迹。通过对单轮车辆的数值模拟和对欠驱动水面车辆的实验验证了该方法的有效性。

🔬 方法详解

问题定义：现有基于欧几里得距离的控制屏障函数（CBF）在非完整车辆避障中存在不足。由于非完整车辆的运动学约束，其转向能力有限，直接使用欧几里得距离作为安全度量会导致不必要的减速和急转弯，降低了避障效率。因此，需要一种能够考虑车辆运动学约束的CBF设计，以实现更平滑和高效的避障。

核心思路：论文的核心思路是将车辆的回旋圆（turning circle）概念融入CBF的设计中。回旋圆代表了车辆在当前速度和最大转向角下能够实现的最小转弯半径。通过计算车辆到障碍物的回旋圆距离，可以更准确地评估碰撞风险，并避免不必要的机动。这种方法能够更好地适应非完整车辆的运动学约束，从而提高避障效率。

技术框架：该方法将提出的基于回旋圆的CBF与模型预测控制（MPC）相结合。MPC负责生成车辆的参考轨迹，而CBF则作为约束条件，确保车辆在跟踪参考轨迹的同时避免碰撞。整体流程如下：1) 获取车辆状态和环境信息；2) 计算到障碍物的回旋圆距离；3) 构建基于回旋圆距离的CBF约束；4) 将CBF约束加入MPC优化问题中；5) 求解MPC问题，得到控制输入；6) 将控制输入作用于车辆。

关键创新：该论文的关键创新在于提出了基于回旋圆的控制屏障函数。与传统的基于欧几里得距离的CBF相比，该方法能够更准确地评估非完整车辆的碰撞风险，并生成更平滑和高效的避障轨迹。这种方法考虑了车辆的运动学约束，避免了不必要的减速和急转弯，从而提高了避障效率。

关键设计：关键设计包括：1) 回旋圆半径的计算，依赖于车辆的速度和最大转向角；2) 回旋圆距离的计算，需要考虑车辆的姿态和障碍物的位置；3) CBF的构建，需要保证当车辆位于安全区域时，CBF的值为正，当车辆接近障碍物时，CBF的值趋于零；4) MPC的优化目标，通常包括跟踪误差和控制输入的惩罚项。CBF作为不等式约束加入到MPC的优化问题中。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

数值模拟结果表明，与基于欧几里得距离的传统CBF方法相比，所提出的基于回旋圆的CBF方法能够显著减少车辆的减速次数和急转弯次数，从而提高了避障效率。在水面车辆实验中，该方法也表现出良好的避障性能，能够生成平滑的避障轨迹，并有效避免碰撞。

🎯 应用场景

该研究成果可应用于各种非完整车辆的自主导航和避障，例如自动驾驶汽车、无人水面艇（USV）、移动机器人等。通过提高避障效率和安全性，可以提升这些车辆在复杂环境中的作业能力，例如港口巡逻、水质监测、仓库搬运等。该方法还有潜力应用于多智能体协同避障，提升整体系统的效率和安全性。

📄 摘要（原文）

This paper presents a new control barrier function (CBF) designed to improve the efficiency of collision avoidance for nonholonomic vehicles. Traditional CBFs typically rely on the shortest Euclidean distance to obstacles, overlooking the limited heading change ability of nonholonomic vehicles. This often leads to abrupt maneuvers and excessive speed reductions, which is not desirable and reduces the efficiency of collision avoidance. Our approach addresses these limitations by incorporating the distance to the turning circle, considering the vehicle's limited maneuverability imposed by its nonholonomic constraints. The proposed CBF is integrated with model predictive control (MPC) to generate more efficient trajectories compared to existing methods that rely solely on Euclidean distance-based CBFs. The effectiveness of the proposed method is validated through numerical simulations on unicycle vehicles and experiments with underactuated surface vehicles.