Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control

A continuación se presenta un resumen técnico detallado del artículo "Planificación de trayectorias para un vehículo comercial articulado utilizando Control de Contorno Predictivo por Modelo".

1. Planteamiento del Problema

El artículo aborda el desafío de la planificación de trayectorias autónomas para vehículos comerciales articulados (específicamente tractocamiones con semirremolque) en escenarios logísticos complejos. A diferencia de los automóviles de pasajeros, estos vehículos enfrentan dificultades únicas:

• Tamaño y Geometría: Son significativamente más grandes (aprox. 16.5 m de longitud) y presentan desviación de la trayectoria (offtracking), donde el semirremolque sigue una ruta diferente a la del tractor, lo que a menudo provoca que las ruedas interiores corten las esquinas o que las ruedas exteriores invadan carriles adyacentes.
• Inestabilidad: Las maniobras de reversa son propensas al pliegue (jackknifing), es decir, al plegamiento inestable del ángulo de articulación.
• Prioridades Dependientes del Escenario: Diferentes tareas de conducción requieren priorizar distintos "puntos de anclaje" en el vehículo. Por ejemplo, durante el estacionamiento (docking), la posición trasera del semirremolque es crítica; durante la recarga, el puerto del tractor es crítico; en autopistas, ambos deben mantenerse centrados.
• Limitaciones de los Métodos Existentes: El Control de Contorno Predictivo por Modelo (MPCC) estándar utilizado para automóviles a menudo simplifica el vehículo a un solo punto o asume una ruta de referencia fija, fallando al no tener en cuenta la cinemática compleja y las restricciones de contorno de los vehículos articulados.

2. Metodología

Los autores proponen un marco extendido de Control de Contorno Predictivo por Modelo (MPCC) adaptado para tractocamiones con semirremolque.

A. Modelado del Vehículo

• Modelo Cinemático: Se utiliza un modelo cinemático de bicicleta para el tractor, acoplado al semirremolque mediante un punto de articulación.
• Vector de Estado: El estado incluye la posición del tractor $(x_1, y_1)$, los ángulos de rumbo ($\psi_1, \psi_2$), la velocidad ($v_1$) y el ángulo de dirección ($\delta_0$).
• Estados Aumentados: Crucialmente, el modelo introduce tres estados de progreso independientes ($\theta_0, \theta_1, \theta_2$) que corresponden a tres puntos de anclaje:
  1. Eje delantero del tractor ($i=0$)
  2. Eje trasero del tractor ($i=1$)
  3. Eje del semirremolque ($i=2$)
     Cada punto de anclaje tiene su propia velocidad virtual ($v_{\theta}$) para aproximar la distancia recorrida a lo largo de la ruta de referencia.

B. Formulación de la Optimización

El problema se formula como un problema de optimización no lineal con restricciones que minimiza una función de costo $J$ sujeto a dinámicas y restricciones:

• Función Objetivo ($J_m$): Minimiza el error de contorno (desviación lateral de la ruta) y el error de retraso (desviación longitudinal) para cada punto de anclaje, mientras maximiza la velocidad de la ruta.
  • Innovación Clave: La ponderación dependiente del escenario permite al planificador priorizar puntos de anclaje específicos (por ejemplo, aumentar el peso $q_{c,2}$ para el semirremolque durante el estacionamiento).
• Término de Confort ($J_c$): Penaliza la alta aceleración y las tasas de dirección para garantizar el confort de los pasajeros/carga.
• Restricciones:
  • Límites Cinemáticos/Dinámicos: Límites en el ángulo de dirección, tasa de dirección, velocidad y aceleración.
  • Límites de la Carretera: Se aplican restricciones explícitas a los tres puntos de anclaje para asegurar que el eje delantero del tractor, el eje trasero del tractor y el eje del semirremolque permanezcan dentro del carril transitable (definido por los límites izquierdo/derecho). Esto evita que la "trayectoria barrida" colisione con obstáculos.
  • Seguridad: Restricciones en la aceleración lateral para prevenir el vuelco.

C. Implementación

• El solucionador utiliza un esquema de horizonte deslizante implementado en Python con CasADi y el solucionador IPOPT.
• El horizonte de predicción se establece en 15 segundos, equilibrando la carga computacional (aprox. 100 ms por iteración) con una distancia de visión suficiente tanto para maniobras hacia adelante como hacia atrás.

3. Contribuciones Clave

1. MPCC Extendido para Vehículos Articulados: La primera aplicación de MPCC a tractocamiones con semirremolque, superando las limitaciones de métodos anteriores que trataban al vehículo como un solo punto.
2. Formulación de Restricciones de Múltiples Puntos de Anclaje: La formulación explícita de restricciones de límites de carretera para los ejes delantero y trasero del tractor y el eje del semirremolque simultáneamente. Esto asegura que toda la trayectoria barrida del vehículo permanezca dentro de los límites transitables, previniendo el pliegue y las colisiones por desviación de la trayectoria.
3. Priorización Dependiente del Escenario: La capacidad de ajustar dinámicamente los pesos de optimización para priorizar partes específicas del vehículo (por ejemplo, semirremolque para estacionamiento vs. tractor para recarga) sin cambiar la estructura subyacente del algoritmo.
4. Validación: Pruebas exitosas en simulación y en el mundo real en un prototipo a escala completa.

4. Resultados

• Escenarios de Simulación: El algoritmo se probó en un escenario logístico que involucraba una curva de 90 grados y la entrada a las instalaciones de un cliente (hacia adelante y hacia atrás).
  • Éxito: El vehículo navegó con éxito el carril en ambas direcciones sin pliegue ni salida del área transitable.
  • Necesidad de Restricciones: Cuando se deshabilitaron las restricciones del semirremolque, la simulación resultó en que el semirremolque cortara esquinas (hacia adelante) o sufriera pliegue (hacia atrás), demostrando la necesidad de restricciones de múltiples puntos.
  • Sensibilidad al Peso: Variar el peso $q_{c,2}$ (prioridad del semirremolque) demostró que pesos más altos redujeron la desviación lateral del semirremolque, pero requirieron que el tractor girara de manera más agresiva y redujera la velocidad para satisfacer los límites de aceleración lateral.
• Prototipo en el Mundo Real: El método se implementó en un prototipo a escala completa de tractocamión con semirremolque DAF. El vehículo siguió con éxito la trayectoria planificada en un entorno real, confirmando la aplicabilidad práctica.

5. Significado

Este trabajo cierra una brecha crítica entre la planificación de vehículos de pasajeros autónomos y las necesidades complejas de la logística pesada. Al extender el MPCC para manejar la cinemática articulada y las restricciones de contorno de múltiples puntos, los autores proporcionan una solución robusta para:

• Seguridad: Prevenir el pliegue y asegurar que todas las ruedas permanezcan dentro de los límites del carril.
• Eficiencia: Habilitar el estacionamiento y la reversa autónomos en espacios estrechos, que actualmente son un gran cuello de botella en la automatización logística.
• Flexibilidad: Ofrecer un marco de control unificado que se adapta a diferentes modos operativos (estacionamiento, recarga, conducción en autopista) mediante un ajuste simple de parámetros en lugar de reescrituras algorítmicas.

El artículo concluye que, aunque la construcción de carriles transitables robustos en entornos dinámicos sigue siendo un desafío, la extensión propuesta de MPCC es un paso significativo hacia vehículos comerciales articulados completamente autónomos.