Enhancing Autonomous Vehicle Navigation with a Clothoid-Based Lateral Controller

تخيل أنك تعلم روبوتًا قيادة سيارة. لن تكتفي بمجرد قول: "اذهب إلى المتجر". بل سيتعين عليك إعطاؤه خريطة، والأهم من ذلك، سيتعين عليك تعليمه كيفية التوجيه. هذا هو عالم المركبات ذاتية القيادة، حيث تتولى الحواسيب زمام القيادة. التحدي الكبير لا يكمن فقط في معرفة الوجهة؛ بل في اكتشاف كيفية الوصول إلى هناك بسلاسة دون هزّ الركاب أو جعل السيارة تترنح مثل بحار مخمور.

للقيام بذلك، يستخدم المهندسون ما يسمى بـ "التحكم الجانبي" (lateral control). فكر في هذا كقدرة السيارة على البقاء في مسارها، أو تغيير المسار، أو الالتفاف حول منحنى دون الانحراف عنه. وجزء رئيسي من هذا هو "تخطيط المسار" (path planning)، وهو يشبه رسم خط على الأرض لتتبعه السيارة. لكن رسم خط مستقيم أمر سهل؛ أما رسم منحنى سلس يشعر الإنسان بأنه طبيعي فهو أمر صعب. إذا حاولت السيارة الدوران بشكل حاد وسريع للغاية، فسيبدو الأمر وكأنه شدة مفاجئة في عجلة القيادة. وهنا يأتي دور نوع خاص من المنحنيات الرياضية يسمى "الكلوتويد" (clothoid). يمكنك التفكير في "الكلوتويد" كطريق سحري يبدأ مستقيمًا ثم يصبح أكثر انحناءً وانحناءً بوتيرة ثابتة تمامًا، بدلاً من الانتقال المفاجئ من الخط المستقيم إلى المنعطف الحاد. إنه الفرق بين رحلة وعرة ومتقطعة وبين رقصة انسيابية ناعمة.

الآن، تخيل أنك تسير في ممر. إذا نظرت فقط إلى قدميك، فستتعثر. وإذا نظرت بعيدًا جدًا، فقد تفوتك عقبة مفاجئة أمامك مباشرة. أنت بحاجة للنظر إلى مسافة مناسبة لتعديل خطواتك بدقة. في عالم السيارات ذاتية القيادة، يسمى هذا "مسافة النظر للأمام" (lookahead distance). البحث الجديد الذي نحن بصدد استكشافه يتناول مشكلة كيفية تحديد السيارة للمسافة التي يجب أن تنظر إليها بالضبط، خاصة عندما يلتوي الطريق وينعطف أو عندما تحمل السيارة حمولة ثقيلة.

سائق الروبوت ذو التوجيه السلس

في هذه الدراسة، قام فريق من الباحثين من جامعة فرجينيا تيك، بقيادة آيشيش شاجو، وستيف ساوث وارد، وميدهي أحمديان، ببناء "عقل" جديد لشاحنات ذاتية القيادة. أرادوا حل مشكلة محددة: كيف تجعل مركبة ثقيلة، مثل مقطورة الشاحنة، تتبع مسارًا بدقة دون جعل الركاب يشعرون بالغثيان أو جعل الشاحنة تنقلب.

سلاحهم السري هو متحكم قائم على الكلوتويد (clothoid-based controller). إذا كنت تتصور طريقة التوجيه القياسية كروبوت يحاول إجبار السيارة على الدوران في دائرة فورًا، فإن طريقة "الكلوتويد" تشبه الراقصة؛ فهي تصنع مسارًا يزداد فيه الانحناء تدريجيًا، تمامًا كما يفعل السائق البشري الحقيقي. وهذا يضمن دوران عجلة القيادة بسلاسة، وتجنب تلك الهزات المفاجئة والمخيفة.

لكن الجزء الذكي هنا هو أن الباحثين لم يستخدموا مجرد قاعدة ثابتة للمسافة التي تنظر إليها السيارة للأمام؛ بل أعطوا السيارة "عينًا ذكية" تستخدم مفهومًا رياضيًا يسمى مسافة فريشيه (Fréchet distance). تخيل أن لديك خيطين: أحدهما هو المسار المثالي الذي يجب أن تتبعه السيارة، والآخر هو المسلم الذي تتخذه السيارة الآن بالفعل. مسافة فريشيه تشبه طول المقود الذي يربط بين شخص يمشي على الخيط الأول وكلب يمشي على الخيط الثاني. إذا ابتعد الكلب كثيرًا عن الشخص، يكون المقود طويلًا. وإذا كانا يسيران جنبًا إلى جنب، يكون المقود قصيرًا.

يتحقق المتحكم الخاص بالباحثين باستمرار من "طول هذا المقود". إذا أصبح المقود طويلاً جدًا (بمعنى أن السيارة تنحرف كثيرًا عن المسار السلس الذي خططت له)، يقوم المتحكم تلقائيًا بتعديل المسافة التي تنظر إليها السيارة للأمام. الأمر يشبه قول السيارة: "أوه، أنا أنحرف! أحتاج للنظر عن كثب إلى الطريق أمامي مباشرة لإصلاح هذا"، أو "الطريق مستقيم وأنا أبلي بلاءً حسنًا، لذا يمكنني النظر بعيدًا للأمام للتخطيط لخطوتي التالية". يحدث هذا في الوقت الفعلي، متكيفًا مع المنعطفات الحادة، والطرق المستقيمة، وحتى سرعة الشاحنة.

مشكلة التأخير و"الكرة البلورية"

كان هناك عقبة أخرى توجب على الفريق تجاوزها. حتى لو قرر الكمبيوتر بالضبط كيف يدير العجلة، فإن الشاحنة الفيزيائية لا تستجيب فورًا. هناك تأخير ضئيل، أو "تأخير" (lag)، بين الأمر واستجابة الشاحنة فعليًا للدوران. الأمر يشبه الصراخ بكلمة "انعطف يسارًا!" لصديق يرتدي سماعات عازلة للضوضاء؛ فبحلول الوقت الذي يسمع فيه كلامك وينعطف، تكون قد تحركت بالفعل.

لحل هذه المشكلة، أضاف الفريق مرشح استباقي (lead filter). فكر في هذا ككرة بلورية. قبل أن تنعطف الشاحنة فعليًا، يتنبأ المرشح الاستباقي بما ستفعله الشاحنة بعد جزء من الثانية ويخبر نظام التوجيه بالاستعداد مبكرًا. هذا يلغي التأخير، مما يجعل الشاحنة تبدو أكثر استجابة واستقرارًا، خاصة عندما تتحرك بسرعة أو تحمل حمولة ثفيلة.

اختبار النظرية

لم يكتفِ الباحثون برسم هذا على الورق؛ بل اختبروه في مختبر محاكاة عالي التقنية باستخدام برامج TruckSim® و Simulink®. وضعوا متحكمهم الجديد تحت اختبارات جهد حقيقية:

1. الشكل رقم 8 (Figure-8): جعلوا الشاحنة تسير في نمط شكل رقم 8، وهو ما يتطلب دورانًا مستمرًا وضيقًا. حافظت الشاحنة على المسار بخطأ أقصى قدره أقل من 0 0.4 متر (حوالي طول خطوة صغيرة)، حتى عندما كانت المنعطفات في أشدها حدة.
2. تغيير المسار: قاموا بمحاكاة "تغيير مزدوج للمسار"، حيث يتعين على السيارة الانحراف بسرعة لتجنب عائق ثم العودة مرة أخرى. تعاملت الشاحنة مع ذلك بسلاسة، وحافظت على خطأ ضمن نطاق ±0.2 متر.
3. حلبة السباق: اختبروه أيضًا على محاكاة لحلبة "زاندفورت" (Zandvoort)، والتي تحتوي على مزيج من المنعطفات الحادة والزوايا المائلة السريعة. تمكنت الشاحنة من البقاء على خط السباق بخطأ يقارب ±0.4 متر.

خلال كل هذه الاختبارات، كانت الشاحنة تسير بسرعات تصل إلى 30 كم/ساعة (حوالي 18.6 ميل في الساعة). كانت زوايا عجلة القيادة سلسة ومنضبطة، ولم ترتفع بشكل حاد أبدًا، مما يشير إلى أن الرحلة ستكون مريحة للركاب وآمنة للحمولة.

ماذا وجدوا (وما لم يجدوه)

تشير النتائج إلى أن نهج "الكلوتويد" هذا، المقترن بـ "المقود الذكي" (مسافة فريشيه) و"الكرة البلورية" (المرشح الاستباقي)، يعمل بشكل جيد جدًا للحفاظ على مسار الشاحنة الثقيلة. تتبعت الشاححة الطريق بدقة عالية ودون الحركات المتقطعة التي تحدث عادةً مع طرق التحكم القديمة.

ومع ذلك، يلاحظ البحث بحذر أن هذه النتائج تأتي من محاكاة الكمبيوتر، وليس من القيادة في العالم الحقيقي على الطرق السريعة الفعلية. كما يشير الفريق إلى وجود قيد: "الكرة البلورية" الخاصة بهم (المرشح الاستباقي) قد تم ضبطها خصيصًا لسرعة 30 كم/ساعة. إذا كانت الشاحنة تسير بسرعة أكبر بكثير، فقد لا يعمل الإعداد الحالي بنفس الكفاءة، وسيحتاج النظام إلى إعادة ضبط. لم يختبروه عند سرعات الطرق السريعة، لذا لا يمكنهم ضمان عمله بشكل مثالي هناك بعد.

مقارنة بطريقة أخرى شائعة تسمى "التحكم التنبئي بالنموذج" (MPC)، أدى متحكمهم الجديد أداءً مماثلاً تمامًا من حيث البقاء على المسار، رغم أنه استغرق وقتًا أطول قليًا لتصحيح مساره عندما بدأ ينحرف في البداية. ولكن بما أن اختبارهم استخدم نموذج شاحنة ثقيلة بينما استخدمت الدراسة الأخرى نموذج سيارة أخف، فإن الظروف لم تكن متطابقة تمامًا.

الخلاصة

يقدم هذا البحث طريقة واعدة لتعليم الشاحنات الثقيلة كيفية القيادة بنفسها بسلاسة. من خلال استخدام رياضيات تحاكي التدفق الطبيعي للمنحنيات وإعطاء السيارة طريقة ذكية لتحديد المسافة التي تنظر إليها للأمام، أنشأ الفريق نظامًا يحافظ على استقرار المركبة وراحة الركاب. ورغم أنه لا يزال في مرحلة المحاكاة، إلا أن النتائج تشير إلى أنه إذا تمكنا من رفع هذه السرعات، فقد نرى قريبًا شاحنات تنزلق على الطرق السريعة بسلاسة كراقصة على خشبة المسرح، مستعدة للتعامل مع المنعطفات وتقلبات العالم الحقيقي.