Cooperative Robotics Reinforced by Collective Perception for Traffic Moderation

📄 arXiv: 2605.11972v1 📥 PDF

作者: Mohammad Khoshkdahan, John Pravin Arockiasamy, Andy Flores Comeca, Alexey Vinel

分类: cs.RO, cs.AI, cs.ET, eess.SY

发布日期: 2026-05-12

备注: Accepted for publication in the Proceedings of the 2026 IEEE Vehicular Technology Conference (VTC2026-Spring)

💡 一句话要点

提出基于集体感知增强的合作机器人交通疏导系统，解决非视距路口安全问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱四：生成式动作 (Generative Motion)

关键词: 合作机器人 集体感知 交通安全 非视距 V2X

📋 核心要点

  1. 现有V2X方案在非视距场景下存在覆盖率不足和驾驶员忽略警告的问题，无法有效降低事故风险。
  2. 提出一种基于合作机器人的交通疏导方案，结合集体感知和物理干预，主动阻止危险并线行为。
  3. 实验结果表明，该系统能够及早检测车辆、可靠预测危险，并在真实非视距场景下有效防止不安全并线。

📝 摘要（中文）

非视距(NLOS)路口的碰撞仍然是一个主要的安全问题，因为驾驶员对接近的交通能见度有限。基于V2X的警告可以降低这些风险，但许多车辆没有配备V2X，驾驶员也可能忽略车内警报。集体感知(CP)可以通过扩展联网车辆的感知范围来弥补V2X渗透率低的不足，但它无法影响未联网的车辆。为了填补这一空白，我们的工作引入了一个互补的概念，即增加一个合作的人形机器人作为主动的交通疏导员，能够物理地阻止试图并入看不见的交通流中的车辆。该系统在两个平行的感知路径上运行。双摄像头基础设施单元检测接近车辆的位置、速度和运动，并将此信息作为集体感知消息(CPM)传输给机器人。机器人还通过其车载V2X单元接收来自联网车辆的合作感知消息(CAM)，并且可以在安全事件发生在道路其他地方时充当分散式环境通知消息(DENM)的中继。融合模块结合这些数据流，以保持对主干道的鲁棒实时视图。定义了一个危险区域(ZoD)，用于预测接近的车辆是否会对合并道路使用者造成碰撞风险。当检测到这种风险时，机器人会发出类似人类的停止手势，并阻止合并路径，直到危险消失。完整的系统部署在鹿特丹的未来移动园区(FMP)。实验表明，结合视觉和V2X感知使机器人能够及早检测到接近的车辆，可靠地预测危险，并在真实的NLOS条件下防止不安全的合并。

🔬 方法详解

问题定义：论文旨在解决非视距(NLOS)路口由于驾驶员视野受限导致的碰撞风险问题。现有基于V2X的预警系统依赖于车辆间的通信，但V2X的普及率不高，且驾驶员可能忽略车内警报，因此无法有效降低事故发生率。

核心思路：论文的核心思路是引入一个合作的人形机器人作为主动的交通疏导员。该机器人通过融合视觉感知和V2X通信获取周围交通信息，并根据预设的危险区域(ZoD)判断是否存在碰撞风险。当检测到风险时，机器人会采取物理干预措施，例如发出停止手势并阻挡车辆的行进路线，从而避免事故发生。

技术框架：该系统包含以下主要模块：1) 双摄像头基础设施单元：用于检测接近车辆的位置、速度和运动信息。2) 机器人：配备V2X单元，接收来自联网车辆的CAM和DENM消息，并能发送DENM消息。3) 融合模块：融合来自摄像头和V2X的数据，构建对周围环境的全面感知。4) 危险区域(ZoD)预测模块：根据车辆的速度和位置预测潜在的碰撞风险。5) 行为控制模块：根据风险评估结果，控制机器人执行相应的动作，例如发出停止手势或阻挡车辆。

关键创新：该论文的关键创新在于将合作机器人引入交通安全领域，使其能够主动干预潜在的危险情况。与传统的被动预警系统相比，该系统能够更有效地防止事故发生，尤其是在V2X覆盖率较低的情况下。此外，该系统还融合了视觉感知和V2X通信，提高了环境感知的鲁棒性和可靠性。

关键设计：危险区域(ZoD)的定义是关键设计之一，它决定了机器人何时采取干预措施。ZoD的大小和形状需要根据车辆的速度、道路几何结构等因素进行调整，以确保能够及时发现潜在的碰撞风险。此外，机器人的行为控制策略也需要精心设计，以确保干预措施既能有效防止事故，又不会对交通造成过大的干扰。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

该系统在鹿特丹的未来移动园区(FMP)进行了部署和实验。实验结果表明，结合视觉和V2X感知，机器人能够及早检测到接近的车辆，可靠地预测危险，并在真实的NLOS条件下防止不安全的合并。具体的性能数据和对比基线未在摘要中明确给出，属于未知信息。

🎯 应用场景

该研究成果可应用于智能交通系统、自动驾驶辅助系统等领域。在城市复杂路口、施工区域等非视距场景下，部署合作机器人可以有效降低交通事故发生率，提高道路安全性。未来，该技术还可扩展到其他交通场景，例如行人保护、应急救援等。

📄 摘要（原文）

Collisions at non-line-of-sight (NLOS) intersections remain a major safety concern because drivers have limited visibility of approaching traffic. V2X based warnings can reduce these risks, yet many vehicles are not equipped with V2X and drivers may ignore in vehicle alerts. Collective perception (CP) can compensate for low V2X penetration by extending the awareness of connected vehicles, but it cannot influence unconnected vehicles. To fill this gap, our work introduces a complementary concept that adds a cooperative humanoid robot as an active traffic moderator capable of physically stopping a vehicle that attempts to merge into an unseen traffic stream. The system operates on two parallel perception pathways. A dual camera infrastructure unit detects the position, speed and motion of approaching vehicles and transmits this information to the robot as a collective perception message (CPM). The robot also receives cooperative awareness messages (CAM) from connected vehicles through its onboard V2X unit and can act as a relay for decentralized environmental notification messages (DENM) when safety events originate elsewhere along the road. A fusion module combines these streams to maintain a robust real time view of the main road. A Zone of Danger (ZoD) is defined and used to predict whether an approaching vehicle creates a collision risk for a merging road user. When such a risk is detected, the robot issues a human-like STOP gesture and blocks the merging path until the hazard disappears. The full system was deployed at the Future Mobility Park (FMP) in Rotterdam. Experiments show that the combined vision and V2X perception allows the robot to detect approaching vehicles early, predict hazards reliably and prevent unsafe merges in real world NLOS conditions.