[论文解读] A review of path following control strategies for autonomous robotic vehicles: theory, simulations, and experiments

Nguyen Hung, Francisco Rego+7 more|arXiv (Cornell University)|Apr 15, 2022

Robotic Path Planning Algorithms被引用 5

一句话总结

本文提出了一套统一的理论框架，用于基于非线性控制理论的自主机器人车辆路径跟踪控制，根据参考坐标系的选择将现有方法归类为两大类：车辆本体坐标系或基于路径的坐标系（如Frenet–Serret坐标系和平行移动坐标系）。主要贡献包括全面的综述与严格的稳定性证明、用于MATLAB和ROS/Gazebo的开源仿真工具箱，以及在自主海洋车辆上的实验验证，展示了在真实环境条件下具备良好鲁棒性的性能，且实现了合理的控制回路分离与控制器调参。

ABSTRACT

This article presents an in-depth review of the topic of path following for autonomous robotic vehicles, with a specific focus on vehicle motion in two dimensional space (2D). From a control system standpoint, path following can be formulated as the problem of stabilizing a path following error system that describes the dynamics of position and possibly orientation errors of a vehicle with respect to a path, with the errors defined in an appropriate reference frame. In spite of the large variety of path following methods described in the literature we show that, in principle, most of them can be categorized in two groups: stabilization of the path following error system expressed either in the vehicle's body frame or in a frame attached to a "reference point" moving along the path, such as a Frenet-Serret (F-S) frame or a Parallel Transport (P-T) frame. With this observation, we provide a unified formulation that is simple but general enough to cover many methods available in the literature. We then discuss the advantages and disadvantages of each method, comparing them from the design and implementation standpoint. We further show experimental results of the path following methods obtained from field trials testing with under-actuated and fully-actuated autonomous marine vehicles. In addition, we introduce open-source Matlab and Gazebo/ROS simulation toolboxes that are helpful in testing path following methods prior to their integration in the combined guidance, navigation, and control systems of autonomous vehicles.

研究动机与目标

• 为2D运动的自主车辆路径跟踪控制策略提供一个统一的数学框架，以涵盖大多数现有方法。
• 比较并对比基于不同误差参考坐标系（本体坐标系与基于路径的坐标系）的路径跟踪方法在设计与实现上的权衡。
• 为所综述的方法提供严格的理论稳定性证明，这些内容在以往的综述中常常缺失。
• 通过引入用于测试路径跟踪算法的开源MATLAB和ROS/Gazebo仿真工具箱，弥合理论与实践之间的差距。
• 通过在欠驱动和全驱动自主海洋车辆上的实地实验验证所提出的方法。

提出的方法

• 本文将路径跟踪问题建模为路径跟踪误差系统的稳定化问题，误差在车辆本体坐标系或基于路径的参考坐标系（如Frenet–Serret坐标系或平行移动坐标系）中定义。
• 提出了一套统一的控制框架，通过将误差动力学表达在统一的数学结构中，推广了多种现有方法，从而实现系统性的比较。
• 采用非线性控制技术（包括反步法、反馈线性化、滑模控制及模型预测控制（MPC），涵盖线性和非线性形式）进行理论分析。
• 通过使用专为测试路径跟踪算法而设计的自定义MATLAB和ROS/Gazebo工具箱进行仿真，评估这些方法的性能，以在真实车辆集成前进行验证。
• 在真实海洋环境中对Medusa级自主海洋车辆进行了实地实验，以评估其在实际干扰和不确定性下的鲁棒性与收敛性。
• 研究强调了内环动态控制器（用于速度、航向或航向速率）与外环运动学路径跟踪控制器之间的时间尺度分离的重要性，以实现稳定且精确的路径跟踪。

实验结果

研究问题

• RQ1 如何将多样化的自主车辆路径跟踪控制策略系统性地归类，并统一于单一理论框架之下？
• RQ2 在路径跟踪误差定义中，使用车辆本体坐标系与基于路径的参考坐标系（如Frenet–Serret坐标系或平行移动坐标系）相比，各自的相对优缺点是什么？
• RQ3 在路径跟踪应用中，反步法、滑模控制和MPC等不同控制技术在稳定性、鲁棒性及实现复杂度方面的表现如何？
• RQ4 基于学习的方法（如学习-MPC或强化学习）在多大程度上能提升路径跟踪性能？其在稳定性与可解释性方面的局限性是什么？
• RQ5 从理论路径跟踪控制器向实际部署过渡时面临哪些实际挑战？仿真工具箱在这一过程中如何发挥作用？

主要发现

• 文献中绝大多数路径跟踪方法可统一归入两大类：在车辆本体坐标系中稳定误差，或在基于路径的坐标系（如Frenet–Serret坐标系或平行移动坐标系）中稳定误差。
• 理论分析表明，与轨迹跟踪相比，路径跟踪通常能实现更平滑的收敛和更少的执行器活动，尤其是在放宽时间约束时。
• 对Medusa级自主海洋车辆的实地试验表明，在真实海洋条件下实现了成功的路径跟踪，验证了所提控制策略的有效性。
• 合理调参内环动态控制器，并明确实现内环与外环之间的时间尺度分离，被证明是实际应用中实现稳定且精确路径跟踪的关键因素。
• 成功开发并验证了MATLAB和ROS/Gazebo的开源仿真工具箱，实现了路径跟踪算法的高效预部署测试。
• 尽管基于学习的方法（如学习-MPC和强化学习）展现出潜力，但目前仍缺乏正式的稳定性保证和直观的设计原则，限制了其在安全关键应用中的实际部署。