[论文解读] A Distributed Model Predictive Control Framework for Road-Following Formation Control of Car-like Vehicles (Extended Version)

Xiangjun Qian, Florent Altché+2 more|arXiv (Cornell University)|Apr 29, 2016

Distributed Control Multi-Agent Systems参考文献 21被引用 5

一句话总结

本文提出了一种用于轮式车辆道路跟随编队控制的分布式模型预测控制（MPC）框架，采用基于逻辑的混合系统管理队内碰撞规避，并支持同构编队的实时安全重构。高保真仿真验证了其在处理障碍物、狭窄道路和弯曲轨迹时的有效性，同时保持了实时性能。

ABSTRACT

This work presents a novel framework for the formation control of multiple autonomous ground vehicles in an on-road environment. Unique challenges of this problem lie in 1) the design of collision avoidance strategies with obstacles and with other vehicles in a highly structured environment, 2) dynamic reconfiguration of the formation to handle different task specifications. In this paper, we design a local MPC-based tracking controller for each individual vehicle to follow a reference trajectory while satisfying various constraints (kinematics and dynamics, collision avoidance, extit{etc.}). The reference trajectory of a vehicle is computed from its leader's trajectory, based on a pre-defined formation tree. We use logic rules to organize the collision avoidance behaviors of member vehicles. Moreover, we propose a methodology to safely reconfigure the formation on-the-fly. The proposed framework has been validated using high-fidelity simulations.

研究动机与目标

• 解决在结构化道路环境中与其他车辆及障碍物发生碰撞规避的挑战。
• 实现车辆编队的动态重构，以满足不同的任务需求。
• 开发一种完全分布式的控制架构，其中每辆车使用本地MPC独立计算自身轨迹。
• 将逻辑规则与MPC相结合，以简化碰撞规避计算并提升语义可解释性。
• 确保在编队变更和障碍物规避过程中具备实时可行性和稳定性。

提出的方法

• 每辆车使用本地MPC控制器生成一系列控制输入，以跟踪参考轨迹，同时满足运动学、动力学和碰撞规避约束。
• 每个跟随车辆的参考轨迹通过预定义的编队树从其领航车辆的轨迹计算得出，确保相对位置的一致性。
• 采用混合系统方法将逻辑规则与MPC结合，组织碰撞规避行为，降低计算负载并提高可预测性。
• 框架使用空间分区方法，纵向和横向分辨率分别为（Δs = 10 m，Δr = 3 m），以检测潜在碰撞。
• 通过在预设时间点切换编队树结构实现编队重构，支持同构过渡。
• 系统使用C++实现，基于ACADO工具包，所有车辆的重规划周期为0.256 s，预测时域为5 s。

实验结果

研究问题

• RQ1 如何有效应用分布式MPC，在结构化道路环境中维持编队的同时确保碰撞规避？
• RQ2 逻辑规则在简化并组织MPC框架内队内碰撞规避行为中起到什么作用？
• RQ3 在动态驾驶场景中，如何安全高效地执行编队重构？
• RQ4 在复杂道路条件（如狭窄通道和弯曲路段）下，所提出的框架能否保持实时性能？
• RQ5 逻辑规则的集成如何提升自主车辆编队控制的可解释性与稳定性？

主要发现

• 该框架成功维持了编队，形成误差极小，清晰道路段上形成误差收敛至零（ei ≈ 0）。
• 在t = 13 s时，车辆2减速以避免与车辆1在狭窄通道中发生碰撞，展示了有效的队内碰撞规避能力。
• 轨迹显示，车辆可临时变形编队以通过障碍物，随后重新建立期望配置。
• 计算时间保持在实时约束范围内，各车辆的性能曲线显示一致性。
• 在t = 15.4 s、30.8 s和46.5 s时，同构编队变更平稳执行，即使在弯曲道路上也未发生碰撞。
• 高保真仿真证实了该框架在处理障碍物、道路缩减和复杂道路几何形状方面的鲁棒性。