A Vehicle System for Navigating Among Vulnerable Road Users Including Remote Operation

📄 arXiv: 2505.04982v1 📥 PDF

作者: Oscar de Groot, Alberto Bertipaglia, Hidde Boekema, Vishrut Jain, Marcell Kegl, Varun Kotian, Ted Lentsch, Yancong Lin, Chrysovalanto Messiou, Emma Schippers, Farzam Tajdari, Shiming Wang, Zimin Xia, Mubariz Zaffar, Ronald Ensing, Mario Garzon, Javier Alonso-Mora, Holger Caesar, Laura Ferranti, Riender Happee, Julian F. P. Kooij, Georgios Papaioannou, Barys Shyrokau, Dariu M. Gavrila

分类: cs.RO, eess.SY

发布日期: 2025-05-08

备注: Intelligent Vehicles Symposium 2025

💡 一句话要点

提出基于拓扑驱动模型预测控制的车辆系统，用于在弱势道路使用者环境中安全导航，并支持远程操作。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自动驾驶 运动规划 模型预测控制 弱势道路使用者 远程操作

📋 核心要点

  1. 现有方法在复杂交通场景下，尤其是在弱势道路使用者（VRU）周围导航时，面临安全性和效率的挑战。
  2. 提出一种基于拓扑驱动模型预测控制（T-MPC）的运动规划器，通过并行生成多个轨迹来应对不同的避障策略。
  3. 在仿真和原型车辆测试中，验证了该系统在自主和远程操作模式下的安全性和效率，优于基线方法。

📝 摘要（中文）

本文介绍了一种车辆系统，该系统能够在行人、自行车骑行者等弱势道路使用者（VRU）周围安全高效地导航。该系统集成了环境感知、定位与地图构建、运动规划和控制等关键模块，并应用于原型车辆。一个关键创新是基于拓扑驱动模型预测控制（T-MPC）的运动规划器。指导层并行生成多个轨迹，每个轨迹代表一种不同的避障或非超车策略。底层的轨迹优化约束了在一般不确定性下与VRU碰撞的联合概率。为了解决超出自主能力的特殊情况（“边缘情况”），例如施工区域或与紧急救援人员的遭遇，该系统包括远程人工操作选项，并提供视觉和触觉指导。在仿真中，我们的运动规划器在安全性和效率方面优于三种基线方法。我们还在封闭赛道上的原型车辆测试中展示了完整的系统，包括自主和远程操作模式。

🔬 方法详解

问题定义：论文旨在解决车辆在包含弱势道路使用者（VRU）的复杂环境中安全高效导航的问题。现有方法在处理VRU行为的不确定性以及规划安全轨迹方面存在挑战，尤其是在需要考虑多种避障策略时。此外，对于超出自主系统处理能力的极端情况（如施工区域），缺乏有效的干预手段。

核心思路：论文的核心思路是利用拓扑驱动的模型预测控制（T-MPC）来生成多个轨迹，每个轨迹代表一种不同的避障或非超车策略。通过并行评估这些轨迹，系统可以选择最安全和最有效的路径。此外，系统还集成了远程操作功能，允许人类操作员在必要时介入，从而提高系统的鲁棒性。

技术框架：该车辆系统包含以下主要模块：1) 环境感知：用于检测和跟踪VRU及其他障碍物；2) 定位与地图构建：用于确定车辆在环境中的位置并构建环境地图；3) 运动规划：基于T-MPC生成和选择轨迹；4) 控制：执行选定的轨迹。在极端情况下，系统可以切换到远程操作模式，由人类操作员通过视觉和触觉反馈进行控制。

关键创新：该论文的关键创新在于基于拓扑驱动的模型预测控制（T-MPC）的运动规划器。与传统的MPC方法相比，T-MPC能够并行生成和评估多个具有不同拓扑结构的轨迹，从而更好地应对复杂环境中的多种避障策略。此外，远程操作功能的集成也提高了系统的鲁棒性，使其能够处理超出自主能力的极端情况。

关键设计：T-MPC的关键设计包括：1) 并行生成多个轨迹，每个轨迹代表不同的避障策略；2) 使用联合概率约束来保证与VRU的碰撞概率低于阈值；3) 通过优化目标函数来平衡安全性和效率；4) 在远程操作模式下，提供视觉和触觉反馈，帮助人类操作员进行控制。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

仿真结果表明，该运动规划器在安全性和效率方面优于三种基线方法。原型车辆测试在封闭赛道上验证了完整系统的功能，包括自主和远程操作模式。虽然论文中没有提供具体的性能数据，但实验结果表明该系统具有实际应用潜力。

🎯 应用场景

该研究成果可应用于自动驾驶车辆、物流配送机器人、以及其他需要在复杂环境中安全导航的机器人系统。通过提高在弱势道路使用者环境中的安全性，该系统有助于推动自动驾驶技术的商业化应用，并提升交通运输的效率和安全性。远程操作功能也为处理极端情况提供了保障。

📄 摘要（原文）

We present a vehicle system capable of navigating safely and efficiently around Vulnerable Road Users (VRUs), such as pedestrians and cyclists. The system comprises key modules for environment perception, localization and mapping, motion planning, and control, integrated into a prototype vehicle. A key innovation is a motion planner based on Topology-driven Model Predictive Control (T-MPC). The guidance layer generates multiple trajectories in parallel, each representing a distinct strategy for obstacle avoidance or non-passing. The underlying trajectory optimization constrains the joint probability of collision with VRUs under generic uncertainties. To address extraordinary situations ("edge cases") that go beyond the autonomous capabilities - such as construction zones or encounters with emergency responders - the system includes an option for remote human operation, supported by visual and haptic guidance. In simulation, our motion planner outperforms three baseline approaches in terms of safety and efficiency. We also demonstrate the full system in prototype vehicle tests on a closed track, both in autonomous and remotely operated modes.