[论文解读] A Framework for Collision-Tolerant Optimal Trajectory Planning of Autonomous Vehicles

Mark Mote, Juan-Pablo Afman+1 more|arXiv (Cornell University)|Nov 22, 2016

Robotic Path Planning Algorithms被引用 4

一句话总结

本文提出了一种基于混合整数规划（MIP）的框架，用于自动驾驶车辆的最优轨迹规划，该框架有意引入可控碰撞以提升性能。通过使用损伤函数建模碰撞，并在冲击速度约束下进行优化，与无碰撞规划相比，该方法将行驶时间减少了13.59%，表明在受限环境中具备碰撞容忍能力可提升效率。

ABSTRACT

Collision-tolerant trajectory planning is the consideration that collisions, if they are planned appropriately, enable more effective path planning for robots capable of handling them. A mixed integer programming (MIP) optimization formulation demonstrates the computational practicality of optimizing trajectories that comprise planned collisions. A damage quantification function is proposed, and the influence of damage functions constraints on the trajectory are studied in simulation. Using a simple example, an increase in performance is achieved under this schema as compared to collision-free optimal trajectories.

研究动机与目标

• 为解决传统无碰撞轨迹规划在受限环境中对车辆性能的限制。
• 探究通过允许更短、更直接的路径，有计划的碰撞是否能够提升轨迹效率。
• 开发一种计算上实用的优化框架，集成碰撞动力学与损伤约束。
• 在1D仿真环境中评估碰撞容忍规划相较于无碰撞替代方案的性能提升。
• 研究损伤函数如何影响在受控冲击条件下的轨迹设计与系统鲁棒性。

提出的方法

• 将轨迹规划问题建模为混合整数规划（MIP）优化问题，以处理离散的碰撞事件与连续的动力学行为。
• 采用理想塑性（非弹性）碰撞模型，使用简化的1D车辆与墙体运动学表示来建模碰撞。
• 引入损伤函数以量化碰撞严重程度，采用最大冲击速度作为关键约束，以限制结构应力。
• 纳入车辆动力学约束，包括最大加速度（6 m/s²）、最大速度（15 m/s）以及运动学边界。
• 使用MATLAB中的Gurobi求解器求解MIP问题，实现对包含或不包含碰撞事件的最优轨迹的计算。
• 将框架扩展以在优化中包含损伤约束，对高速冲击进行惩罚，同时仍允许有益的碰撞。

实验结果

研究问题

• RQ1 与无碰撞最优规划相比，有计划的碰撞是否能够提升自动驾驶车辆的轨迹性能？
• RQ2 引入损伤函数（特别是最大冲击速度约束）如何影响轨迹优化与系统安全性？
• RQ3 在有损伤约束与无损伤约束的情况下，碰撞容忍轨迹的性能权衡如何？
• RQ4 最终目的地如何影响是否选择碰撞轨迹的决策，以及在何种情况下更倾向于避免碰撞？
• RQ5 MIP框架在多大程度上可扩展以处理弹性碰撞、多障碍物以及高维系统？

主要发现

• 在存在墙体的1D场景中，与无碰撞最优规划器相比，碰撞容忍轨迹规划器将行驶时间减少了13.59%（从2.55 s减少到2.245 s）。
• 当引入损伤约束（最大冲击速度）后，轨迹时间略微增加至2.39 s，相较于无碰撞基线仍实现了6.27%的改进。
• 即使在损伤约束下，碰撞容忍方法仍优于无碰撞规划器，表明受控碰撞可在保持安全的前提下提升性能。
• 对于距离墙体略有偏移的终点位置（Δx = 10 cm），规划器在碰撞不再有助于成本最小化时选择避免碰撞，表现出自适应决策能力。
• MIP框架成功处理了包含碰撞与无碰撞的轨迹，证明了其在计算上的可行性与灵活性，适用于与损伤模型集成。
• 结果表明，将损伤函数整合到优化中，可在非正常场景下实现鲁棒且高性能的规划，且该方法具有扩展至多智能体与多障碍物系统的潜力。