💻 computer science

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

यह शोध पत्र एक विस्तारित मॉडल प्रिडिक्टिव कॉन्टूरिंग कंट्रोल (MPCC) फ्रेमवर्क प्रस्तुत करता है जो आर्टिकुलेटेड कमर्शियल वाहनों के लिए विशेष रूप से तैयार किया गया है, जिसमें फॉरवर्ड और रिवर्स दोनों युद्धाभ्यास (मैन्युवर्स) में सुरक्षित और स्थिर प्रक्षेपवक्र (ट्रैजेक्टरी) योजना सुनिश्चित करने के लिए परिदृश्य-निर्भर एंकर पॉइंट प्राथमिकता और स्पष्ट मल्टी-एक्सल रोड-बाउंड्री बाधाओं को शामिल किया गया है।

मूल लेखक: A. J. Aertssen, R. G. M. Huisman, I. J. M. Besselink, J. Elfring, M. J. G. van de Molengraft

प्रकाशित 2026-04-28

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: A. J. Aertssen, R. G. M. Huisman, I. J. M. Besselink, J. Elfring, M. J. G. van de Molengraft

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल, 16 मीटर लंबे ट्रक को, जिसके पीछे एक ट्रेलर जुड़ा हुआ है, पार्क करने की कोशिश कर रहे हैं। अब, कल्पना कीजिए कि आप इसे न केवल एक सीधी रेखा में, बल्कि एक तंग लोडिंग डॉक में पीछे की ओर (बैक करके) ले जा रहे हैं, या किसी तीखे शहर के मोड़ पर घुमा रहे हैं। यदि आप एक सामान्य कार चला रहे होते, तो आप बस स्टीयरिंग घुमाते और लेन के केंद्र का अनुसरण करते। लेकिन एक ट्रक और ट्रेलर के साथ, यह अपने कंधों पर एक लंबा डंडा लेकर रस्सी पर चलने जैसा है: पिछला हिस्सा अगले हिस्से का पीछा नहीं करता; वह चौड़ा होकर घूम जाता है या कोने को खतरनाक तरीके से काट देता है। इसे "ऑफ-ट्रैकिंग" (off-tracking) कहा जाता है, और यदि आप सावधान नहीं हैं, तो ट्रेलर कैब के खिलाफ एक एकॉर्डियन (accordion) की तरह मुड़ सकता है (जिसे "जैकनाइफ" कहते हैं), या पहिए सड़क से पूरी तरह बाहर निकल सकते हैं।

यह शोध पत्र स्वायत्त ट्रकों (autonomous trucks) के लिए एक नया "मस्तिष्क" प्रस्तुत करता है जो मॉडल प्रेडिक्टिव कंटूरिंग कंट्रोल (MPCC) नामक विधि का उपयोग करके इन समस्याओं को हल करता है। यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ दिया गया है:

1. समस्या: एक आकार सभी के लिए उपयुक्त नहीं है

सामान्य कारों के लिए, मौजूदा कंप्यूटर प्रोग्राम आसानी से रास्ता तय कर सकते हैं। लेकिन ट्रेलर वाला ट्रक एक अलग ही चुनौती है।

आकार की समस्या: ट्रक बहुत बड़ा होता है। जब यह मुड़ता है, तो अगला हिस्सा विपरीत लेन में आ जाता है, और ट्रेलर के पहिए फुटपाथ को काट सकते हैं।
रिवर्सिंग की समस्या: ट्रक को पीछे की ओर ले जाना अस्थिर होता है। यह हाथ में झाड़ू को संतुलित करने के साथ पीछे की ओर चलने जैसा है; एक गलत चाल और यह पलट सकता है।
"बॉस कौन है?" की समस्या: कभी-कभी, वाहन का सबसे महत्वपूर्ण हिस्सा ट्रेलर होता है (जैसे लोडिंग डॉक में पीछे जाते समय)। अन्य समय में, यह ट्रक का अगला हिस्सा होता है (जैसे चार्जिंग स्टेशन तक पहुँचते समय)। कंप्यूटर को पता होना चाहिए कि किसी भी दिए गए क्षण में किस हिस्से को प्राथमिकता देनी है।

2. समाधान: एक "आभासी धागा" और एक "जादुई रस्सी"

शोधकर्ताओं ने इन विशिष्ट ट्रक समस्याओं को संभालने के लिए एक मौजूदा एल्गोरिदम (MPCC) को अपग्रेड किया है। इसे इस तरह सोचें:

आभासी धागा (रेफरेंस पाथ): कल्पना करें कि जमीन पर एक धागा बिछा हुआ है जो उस आदर्श पथ को दिखाता है जिसका अनुसरण ट्रक को करना चाहिए।
जादुई रस्सी (एंकर पॉइंट्स): अतीत में, कंप्यूटर केवल वाहन के एक बिंदु (जैसे पिछले धुरी के केंद्र) को देखते थे। यह नई प्रणाली तीन विशिष्ट स्थानों पर "जादुई रस्सियाँ" जोड़ती है: ट्रक के सामने, ट्रक के पीछे, और ट्रेलर के पीछे।
परिदृश्य-आधारित प्राथमिकताएँ: सिस्टम इन रस्सियों पर ध्यान केंद्रित करना सख्त या ढीला कर सकता है।
- डॉकिंग (Docking): यह ट्रेलर के पिछले हिस्से पर रस्सी को कस देता है, जिससे यह सुनिश्चित होता है कि ट्रेलर डॉक से बिल्कुल सही तरीके से टकराए, भले ही ट्रक को चौड़ा होकर घूमना पड़े।
- हाईवे ड्राइविंग: यह सभी रस्सियों को तना हुआ रखता है, जिससे पूरा वाहन लेन के केंद्र में बना रहता है।

3. सुरक्षा जाल: सभी पहियों को सड़क पर रखना

सबसे बड़ा नवाचार यह है कि कंप्यूटर केवल ट्रक के केंद्र की जांच नहीं करता है। यह सामने के पहिए, ट्रक के पिछले पहिए और ट्रेलर के पहियों की व्यक्तिगत रूप से जांच करता है।

कल्पना कीजिए कि आप एक संकीर्ण नहर के माध्यम से एक लंबी नाव चला रहे हैं। यदि आप केवल नाव के बीच के हिस्से को देखते हैं, तो आपको लग सकता है कि आप सुरक्षित हैं, लेकिन नाव का अगला हिस्सा (bow) या पिछला हिस्सा (stern) दीवारों से टकरा सकता है। यह प्रणाली सड़क के लिए एक "कॉरिडोर" (गलियारा) बनाती है और यह सुनिश्चित करती है कि हर एक पहिया उस कॉरिडोर के भीतर रहे, जिससे ट्रक के कर्ब से टकराने या बाधाओं से टकराने की संभावना खत्म हो जाती है।

4. परिणाम: सिद्धांत का परीक्षण

शोधकर्ताओं ने इस "मस्तिष्क" का दो तरह से परीक्षण किया:

कंप्यूटर सिमुलेशन: उन्होंने एक आभासी दुनिया बनाई जहाँ ट्रक को ग्राहक के यार्ड में जाना था, एक तीखा मोड़ लेना था, और एक डॉक में पीछे की ओर जाना था। सिस्टम ने बिना ट्रेलर के जैकनाइफ हुए या पहियों के सड़क से बाहर निकले बिना, आगे और पीछे दोनों दिशाओं में सफलतापूर्वक नेविगेट किया।
वास्तविक-दुनिया का प्रोटोटाइप: उन्होंने इस सॉफ़्टवेयर को एक वास्तविक, पूर्ण आकार के प्रोटोटाइप ट्रक पर लगाया। ट्रक ने वास्तविक दुनिया में नियोजित पथ का सफलतापूर्वक पालन किया, जिससे सिद्ध हुआ कि गणित वास्तविक धातु और रबर पर काम करता है।

मुख्य निष्कर्ष

यह शोध पत्र केवल यह नहीं कहता कि "हम ट्रक चला सकते हैं।" यह कहता है कि "हम कंप्यूटर को ट्रक चलाना सिखा सकते हैं, ऐसा करके कि वह वाहन के केवल केंद्र को नहीं, बल्कि उसके हर हिस्से को देखता है, और यह जानकर कि किसी भी विशिष्ट क्षण में वाहन का कौन सा हिस्सा सबसे महत्वपूर्ण है।"

"वेट्स" (यह कि कंप्यूटर ट्रेलर या ट्रक की कितनी परवाह करता है) को समायोजित करके, सिस्टम एक तंग जगह में पीछे हट रहे सतर्क ड्राइवर या हाईवे पर चलते हुए एक सुचारू ड्राइवर की तरह कार्य कर सकता है, और यह सब करते हुए हर पहिये को सुरक्षित रूप से रेखाओं के भीतर रख सकता है।

यहाँ शोध पत्र "Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र जटिल लॉजिस्टिक्स परिदृश्यों में आर्टिकुलेटेड कमर्शियल वाहनों (विशेष रूप से ट्रैक्टर-सेमीट्रेलर) के लिए स्वायत्त प्रक्षेपवक्र योजना (autonomous trajectory planning) की चुनौती को संबोधित करता है। यात्री कारों के विपरीत, इन वाहनों को अद्वितीय कठिनाइयों का सामना करना पड़ता है:

आकार और ज्यामिति: ये काफी बड़े होते हैं (लगभग 16.5 मीटर लंबाई) और इनमें ऑफट्रैकिंग (offtracking) की समस्या होती है, जहाँ सेमीट्रेलर ट्रैक्टर के पथ से अलग पथ का अनुसरण करता है, जिससे अक्सर भीतरी पहिए कोनों को काट देते हैं या बाहरी पहिए बगल की लेन में अतिक्रमण कर जाते हैं।
अस्थिरता: रिवर्सिंग युद्धाभ्यास (reversing maneuvers) के दौरान जैकनाइफिंग (jackknifing) (आर्टिकुलेशन कोण के अस्थिर रूप से मुड़ने) की संभावना रहती है।
परिदृश्य-आधारित प्राथमिकताएँ: विभिन्न ड्राइविंग कार्यों के लिए वाहन के विभिन्न "एंकर पॉइंट्स" को प्राथमिकता देने की आवश्यकता होती है। उदाहरण के लिए, डॉकिंग (docking) के दौरान, सेमीट्रेलर का पिछला हिस्सा महत्वपूर्ण होता है; चार्जिंग के दौरान, ट्रैक्टर का पोर्ट महत्वपूर्ण होता है; हाईवे पर, दोनों का केंद्र में रहना आवश्यक है।
मौजूदा विधियों की सीमाएँ: कारों के लिए उपयोग किए जाने वाले मानक मॉडल प्रेडिक्टिव कंटूरिंग कंट्रोल (MPCC) अक्सर वाहन को एक एकल बिंदु के रूप में सरल बनाते हैं या एक निश्चित संदर्भ पथ मान लेते हैं, जो आर्टिकुलेटेड वाहनों की जटिल गतिशीलता (kinematics) और सीमा बाधाओं को ध्यान में रखने में विफल रहते हैं।

2. कार्यप्रणाली (Methodology)

लेखक ट्रैक्टर-सेमीट्रेलर के लिए विशेष रूप से तैयार किया गया एक विस्तारित मॉडल प्रेडिक्टिव कंटूरिंग कंट्रोल (MPCC) ढांचा प्रस्तावित करते हैं।

अ. वाहन मॉडलिंग (Vehicle Modeling)

काइनेमैटिक मॉडल: ट्रैक्टर के लिए एक काइनेमैटिक बाइसिकल मॉडल का उपयोग किया जाता है, जो एक आर्टिकुलेशन पॉइंट के माध्यम से सेमीट्रेलर से जुड़ा होता है।
स्टेट वेक्टर (State Vector): स्टेट में ट्रैक्टर की स्थिति $(x_1, y_1)$ , हेडिंग कोण ( $\psi_1, \psi_2$ ), वेग ( $v_1$ ), और स्टीयरिंग कोण ( $\delta_0$ ) शामिल हैं।
ऑगमेंटेड स्टेट्स (Augmented States): महत्वपूर्ण रूप से, मॉडल तीन स्वतंत्र प्रोग्रेस स्टेट्स ( $\theta_0, \theta_1, \theta_2$ $θ_{0}, θ_{1}, θ_{2}$ ) पेश करता है जो तीन एंकर पॉइंट्स के अनुरूप हैं:
1. ट्रैक्टर का अगला एक्सल ( $i=0$ )
2. ट्रैक्टर का पिछला एक्सल ( $i=1$ )
3. सेमीट्रेलर का एक्सल ( $i=2$ )
  संदर्भ पथ के साथ तय की गई दूरी का अनुमान लगाने के लिए प्रत्येक एंकर पॉइंट का अपना वर्चुअल वेग ( $v_{\theta}$ ) होता है।

ब. अनुकूलन सूत्रीकरण (Optimization Formulation)

समस्या को डायनेमिक्स और बाधाओं के अधीन एक लागत फलन (cost function) $J$ को न्यूनतम करने वाले एक बाधाबद्ध नॉनलीनियर ऑप्टिमिज़ेशन समस्या के रूप में तैयार किया गया है:

ऑब्जेक्टिव फंक्शन ( $J_m$ ): यह प्रत्येक एंकर पॉइंट के लिए कंटूर एरर (पथ से पार्श्व विचलन) और लैग एरर (अनुदैध्य विचलन) को कम करता है, जबकि पथ की गति को अधिकतम करता है।
- मुख्य नवाचार: परिदृश्य-निर्भर वेटिंग (scenario-dependent weighting) विशिष्ट एंकर पॉइंट्स को प्राथमिकता देने की अनुमति देती है (जैसे, डॉकिंग के दौरान सेमीट्रेलर के लिए $q_{c,2}$ को बढ़ाना)।
कंफर्ट टर्म ( $J_c$ ): यात्री/पेलोड आराम सुनिश्चित करने के लिए उच्च त्वरण और स्टीयरिंग दरों को दंडित (penalize) करता है।
बाधाएँ (Constraints):
- काइनेमैटिक/डायनेमिक सीमाएँ: स्टीयरिंग कोण, स्टीयरिंग दर, वेग और त्वरण पर सीमाएँ।
- सड़क की सीमाएँ: तीनों एंकर पॉइंट्स पर स्पष्ट बाधाएँ लागू की जाती हैं ताकि यह सुनिश्चित हो सके कि ट्रैक्टर का अगला एक्सल, ट्रैक्टर का पिछला एक्सल और सेमीट्रेलर का एक्सल तीनों ही चलाने योग्य कॉरिडोर (बाएँ/दाएँ सीमाओं द्वारा परिभाषित) के भीतर रहें। यह सुनिश्चित करता है कि वाहन का "स्वीप्ट पाथ" (swept path) बाधाओं से न टकराए।
- सुरक्षा: रोलओवर को रोकने के लिए पार्श्व त्वरण (lateral acceleration) पर बाधाएँ।

स. कार्यान्वयन (Implementation)

सॉल्वर एक रिकेडिंग होराइजन स्कीम का उपयोग करता है जिसे Python में CasADi और IPOPT सॉल्वर के साथ लागू किया गया है।
प्रेडिक्शन होराइजन 15 सेकंड निर्धारित किया गया है, जो आगे और पीछे (forward and reverse) दोनों युद्धाभसों के लिए पर्याप्त लुक-अहेड दूरी और कम्प्यूटेशनल लोड (लगभग 100ms प्रति इटरेशन) के बीच संतुलन बनाता है।

3. मुख्य योगदान (Key Contributions)

आर्टिकुलेटेड वाहनों के लिए विस्तारित MPCC: ट्रैक्टर-सेमीट्रेलर के लिए MPCC का पहला अनुप्रयोग, जो उन पिछली विधियों की सीमाओं को दूर करता है जो वाहन को एक एकल बिंदु के रूप में मानती थीं।
बहु-एंकर पॉइंट बाधा सूत्रीकरण: ट्रैक्टर के अगले एक्सल, ट्रैक्टर के पिछले एक्सल और सेमीट्रेलर के एक्सल के लिए सड़क की सीमा बाधाओं का स्पष्ट निर्माण। यह सुनिश्चित करता है कि पूरे वाहन का स्वीप्ट पाथ चलाने योग्य सीमाओं के भीतर रहे, जिससे जैकनाइफिंग और ऑफट्रैकिंग टकरावों को रोका जा सके।
परिदृश्य-निर्भर प्राथमिकता: एल्गोरिदम की मूल संरचना को बदले बिना विशिष्ट वाहन भागों (जैसे डॉकिंग के लिए सेमीट्रेलर बनाम चार्जिंग के लिए ट्रैक्टर) को प्राथमिकता देने के लिए डायनेमिक रूप से अनुकूलन भार (optimization weights) को समायोजित करने की क्षमता।
वैधीकरण (Validation): एक पूर्ण-पैमाने के प्रोटोटाइप पर सफल सिमुलेशन और वास्तविक दुनिया का परीक्षण।

4. परिणाम (Results)

सिमुलेशन परिदृश्य: एल्गोरिदम का परीक्षण एक लॉजिस्टिक्स परिदृश्य में किया गया जिसमें 90-डिग्री मोड़ और ग्राहक परिसर में प्रवेश (आगे और पीछे) शामिल था।
- सफलता: वाहन ने जैकनाइफिंग या चलाने योग्य क्षेत्र से बाहर निकले बिना दोनों दिशाओं में कॉरिडोर के भीतर सफलतापूर्वक नेविगेट किया।
- बाधाओं की आवश्यकता: जब सेमीट्रेलर बाधाओं को अक्षम (disabled) कर दिया गया, तो सिमुलेशन के परिणामस्वरूप सेमीट्रेलर ने कोनों को काटा (आगे जाते समय) या जैकनाइफिंग हुई (पीछे जाते समय), जो मल्टी-पॉइंट बाधाओं की आवश्यकता को सिद्ध करता है।
- वेट सेंसिटिविटी: $q_{c,2}$ (सेमीट्रेलर प्राथमिकता) को बदलकर यह देखा गया कि उच्च भार ने सेमीट्रेलर के पार्श्व विचलन को कम किया लेकिन पार्श्व त्वरण सीमाओं को पूरा करने के लिए ट्रैक्टर को अधिक आक्रामक रूप से स्टीयर करने और धीमा होने के लिए मजबूर किया।
वास्तविक-विश्व प्रोटोटाइप: इस विधि को एक पूर्ण-पैमाने के DAF ट्रैक्टर-सेमीट्रेलर प्रोटोटाइप पर लागू किया गया। वाहन ने वास्तविक वातावरण में नियोजित प्रक्षेपवक्र का सफलतापूर्वक पालन किया, जो व्यावहारिक अनुप्रयोग की पुष्टि करता है।

5. महत्व (Significance)

यह कार्य स्वायत्त यात्री कारों की योजना और भारी लॉजिस्टिक्स की जटिल आवश्यकताओं के बीच एक महत्वपूर्ण अंतर को पाटता है। आर्टिकुलेटेड काइनेमैटिक्स और मल्टी-पॉइंट बाउंड्री कंस्ट्रेंट्स को संभालने के लिए MPCC का विस्तार करके, लेखक निम्नलिखित के लिए एक मजबूत समाधान प्रदान करते हैं:

सुरक्षा: जैकनाइफिंग को रोकना और यह सुनिश्चित करना कि सभी पहिए लेन की सीमाओं के भीतर रहें।
दक्षता: तंग स्थानों में स्वायत्त डॉकिंग और रिवर्सिंग को सक्षम बनाना, जो वर्तमान में लॉजिस्टिक्स स्वचालन में एक प्रमुख बाधा है।
लचीलापन: एक एकीकृत नियंत्रण ढांचा प्रदान करना जो एल्गोरिदम को फिर से लिखे बिना, केवल पैरामीटर ट्यूनिंग के माध्यम से विभिन्न परिचालन मोड (डॉकिंग, चार्जिंग, हाईवे ड्राइविंग) के अनुकूल हो जाता है।

शोध पत्र निष्कर्ष निकालता है कि हालांकि गतिशील वातावरण में मजबूत चलाने योग्य कॉरिडोर का निर्माण करना एक चुनौती बना हुआ है, प्रस्तावित MPCC विस्तार पूरी तरह से स्वायत्त आर्टिकुलेटेड कमर्शियल वाहनों की दिशा में एक महत्वपूर्ण कदम है।