Post-Collision Trajectory Restoration for a Single-track Ackermann Vehicle using Heuristic Steering and Tractive Force Functions

Resumen Técnico: Restauración de Trayectoria Post-Colisión para un Vehículo Ackermann de Vía Única

Título original: Post-Collision Trajectory Restoration for a Single-Track Ackermann Vehicle Using Heuristic Steering and Tractive Force Functions

1. El Problema (Problemática)

En el desarrollo de vehículos autónomos, la seguridad es crítica. La mayoría de los algoritmos actuales de conducción autónoma se centran en la prevención de colisiones, asumiendo un entorno libre de impactos. Sin embargo, existe un vacío de investigación en qué hacer después de que una colisión inesperada ha ocurrido.

Un impacto lateral puede inducir movimientos laterales bruscos y transitorios de guiñada (yaw), lo que desvía rápidamente al vehículo de su trayectoria planificada. Los modelos existentes suelen simplificar la dinámica del vehículo asumiendo una velocidad longitudinal constante, lo cual es irreal en un escenario de post-colisión donde la velocidad varía significativamente y existen acoplamientos no lineales entre la dirección y la fuerza de tracción.

2. Metodología

Los autores proponen un enfoque de control basado en funciones heurísticas para restaurar la trayectoria sin recurrir al uso de los frenos (manteniendo la movilidad del vehículo). La metodología se basa en dos pilares:

• Modelado Dinámico: Utilizan un modelo de Ackermann de vía única generalizado (basado en el trabajo de Ghosh et al., 2023). A diferencia de los modelos estándar de 3 grados de libertad (3DOF), este modelo incluye fuerzas de arrastre friccional no lineales y términos de interacción complejos que dependen del ángulo de dirección y la velocidad longitudinal variable.
• Diseño de Control Heurístico (Open-Loop): Proponen dos funciones de control principales diseñadas mediante funciones sinusoidales moduladas por funciones escalón unitario ($u_c$):
  1. Función de Dirección ($\delta_s$): Compuesta por dos componentes ($\delta_1$ y $\delta_2$). La primera busca devolver el vehículo a la trayectoria deseada y la segunda mantiene la dirección una vez alcanzada la trayectoria.
  2. Función de Fuerza de Tracción ($F_{xt}$): Una fuerza de control adicional ($F_c$) que se suma a la fuerza inicial del vehículo para estabilizar el movimiento longitudinal y ayudar en la recuperación.

3. Contribuciones Clave

• Nuevo esquema de control heurístico: El diseño de funciones de dirección y tracción que actúan de forma conjunta para mitigar los transitorios de velocidad lateral y guiñada.
• Modelado de alta fidelidad: La inclusión explícita de la velocidad longitudinal variable y los términos de acoplamiento no lineal en la dinámica lateral-guiñada, superando las limitaciones de los modelos que asumen velocidad constante.
• Versatilidad del modelo: La validación del método tanto en el modelo generalizado complejo como en un modelo de referencia estándar de MATLAB, demostrando que la función heurística es adaptable a diferentes dinámicas vehiculares.

4. Resultados

El estudio se validó mediante simulaciones en dos escenarios de colisión lateral:

• Caso 1 (Colisión en el Centro de Gravedad - C.G.): El impacto genera velocidad lateral pero no altera la orientación (guiñada).
• Caso 2 (Colisión fuera del C.G.): El impacto genera tanto velocidad lateral como un cambio en la orientación del vehículo.

Hallazgos principales:

• En ambos casos, los vehículos que aplicaron la función de control lograron restaurar su trayectoria original (un camino recto), mientras que los vehículos sin control continuaron desviándose de la vía.
• Se demostró que la acción combinada de dirección y tracción es más efectiva que el uso de la dirección por sí sola para reducir la desviación lateral máxima.
• Los resultados confirman que los parámetros de control deben ajustarse según la complejidad del modelo (el modelo generalizado requiere parámetros distintos al modelo de referencia debido a sus términos no lineales).

5. Significado e Implicaciones

Este trabajo es significativo para la seguridad de la conducción autónoma porque ofrece una estrategia de "recuperación de emergencia". En lugar de centrarse solo en evitar el accidente, proporciona una base matemática para que un vehículo, tras un impacto inevitable, pueda estabilizarse y retomar su carril de forma autónoma.

Aunque el método es actualmente de lazo abierto (open-loop) y heurístico, sienta las bases para futuros sistemas de control de lazo cerrado que integren límites de saturación de actuadores y condiciones de adherencia variable en la carretera, mejorando la resiliencia de los vehículos autónomos ante eventos imprevistos.