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

1. Formulação do Problema

O artigo aborda o desafio do planejamento de trajetória autônoma para veículos comerciais articulados (especificamente tratores com semirreboques) em cenários logísticos complexos. Diferentemente de carros de passageiros, esses veículos enfrentam dificuldades únicas:

• Tamanho e Geometria: São significativamente maiores (aproximadamente 16,5 m de comprimento) e exibem rastro de desvio (offtracking), onde o semirreboque segue um caminho diferente do trator, frequentemente fazendo com que as rodas internas cortem curvas ou as rodas externas invadam faixas adjacentes.
• Instabilidade: Manobras de ré são propensas a dobramento (jackknifing), ou seja, a dobra instável do ângulo de articulação.
• Prioridades Dependentes do Cenário: Diferentes tarefas de direção exigem priorizar diferentes "pontos de ancoragem" no veículo. Por exemplo, durante o atracamento, a posição traseira do semirreboque é crítica; durante o carregamento, a porta do trator é crítica; em rodovias, ambos devem permanecer centralizados.
• Limitações dos Métodos Existentes: O Controle de Contorno Preditivo por Modelo (MPCC) padrão, usado para carros, frequentemente simplifica o veículo para um único ponto ou assume um caminho de referência fixo, falhando em contabilizar a cinemática complexa e as restrições de fronteira de veículos articulados.

2. Metodologia

Os autores propõem uma estrutura estendida de Controle de Contorno Preditivo por Modelo (MPCC) adaptada para tratores com semirreboques.

A. Modelagem do Veículo

• Modelo Cinemático: Um modelo cinemático de bicicleta é utilizado para o trator, acoplado ao semirreboque por meio de um ponto de articulação.
• Vetor de Estado: O estado inclui a posição do trator $(x_1, y_1)$, ângulos de rumo ($\psi_1, \psi_2$), velocidade ($v_1$) e ângulo de direção ($\delta_0$).
• Estados Aumentados: Crucialmente, o modelo introduz três estados de progresso independentes ($\theta_0, \theta_1, \theta_2$) correspondentes a três pontos de ancoragem:
  1. Eixo dianteiro do trator ($i=0$)
  2. Eixo traseiro do trator ($i=1$)
  3. Eixo do semirreboque ($i=2$)
     Cada ponto de ancoragem possui sua própria velocidade virtual ($v_{\theta}$) para aproximar a distância percorrida ao longo do caminho de referência.

B. Formulação de Otimização

O problema é formulado como um problema de otimização não linear restrito, minimizando uma função de custo $J$ sujeito a dinâmicas e restrições:

• Função Objetivo ($J_m$): Minimiza o erro de contorno (desvio lateral do caminho) e o erro de atraso (desvio longitudinal) para cada ponto de ancoragem, enquanto maximiza a velocidade no caminho.
  • Inovação Chave: O peso dependente do cenário permite que o planejador priorize pontos de ancoragem específicos (por exemplo, aumentando o peso $q_{c,2}$ para o semirreboque durante o atracamento).
• Termo de Conforto ($J_c$): Penaliza altas acelerações e taxas de direção para garantir o conforto dos passageiros/carga.
• Restrições:
  • Limites Cinemáticos/Dinâmicos: Limites no ângulo de direção, taxa de direção, velocidade e aceleração.
  • Limites da Via: Restrições explícitas são aplicadas a todos os três pontos de ancoragem para garantir que o eixo dianteiro do trator, o eixo traseiro do trator e o eixo do semirreboque permaneçam dentro do corredor transitável (definido por limites esquerdo/direito). Isso impede que a "trajetória varrida" colida com obstáculos.
  • Segurança: Restrições na aceleração lateral para prevenir capotamento.

C. Implementação

• O solucionador utiliza um esquema de horizonte recuante implementado em Python com CasADi e o solucionador IPOPT.
• O horizonte de previsão é definido em 15 segundos, equilibrando a carga computacional (aproximadamente 100 ms por iteração) com uma distância de visão prévia suficiente para manobras tanto para frente quanto para ré.

3. Contribuições Principais

1. MPCC Estendido para Veículos Articulados: A primeira aplicação de MPCC a tratores com semirreboques, superando as limitações de métodos anteriores que tratavam o veículo como um único ponto.
2. Formulação de Restrições de Múltiplos Pontos de Ancoragem: A formulação explícita de restrições de fronteira da via para os eixos dianteiro do trator, traseiro do trator e do semirreboque simultaneamente. Isso garante que toda a trajetória varrida do veículo permaneça dentro dos limites transitáveis, prevenindo dobramento e colisões por rastro de desvio.
3. Priorização Dependente do Cenário: A capacidade de ajustar dinamicamente os pesos de otimização para priorizar partes específicas do veículo (por exemplo, semirreboque para atracamento versus trator para carregamento) sem alterar a estrutura subjacente do algoritmo.
4. Validação: Simulação bem-sucedida e testes no mundo real em um protótipo em escala real.

4. Resultados

• Cenários de Simulação: O algoritmo foi testado em um cenário logístico envolvendo uma curva de 90 graus e entrada em instalações de um cliente (para frente e para ré).
  • Sucesso: O veículo navegou com sucesso pelo corredor em ambas as direções sem dobramento ou saída da área transitável.
  • Necessidade de Restrições: Quando as restrições do semirreboque foram desabilitadas, a simulação resultou no semirreboque cortando curvas (para frente) ou dobrando (para ré), provando a necessidade de restrições de múltiplos pontos.
  • Sensibilidade ao Peso: A variação do peso $q_{c,2}$ (prioridade do semirreboque) demonstrou que pesos maiores reduziram o desvio lateral do semirreboque, mas exigiram que o trator dirigisse de forma mais agressiva e reduzisse a velocidade para satisfazer os limites de aceleração lateral.
• Protótipo no Mundo Real: O método foi implementado em um protótipo de trator com semirreboque DAF em escala real. O veículo seguiu com sucesso a trajetória planejada em um ambiente real, confirmando a aplicabilidade prática.

5. Significado

Este trabalho preenche uma lacuna crítica entre o planejamento de carros de passageiros autônomos e as necessidades complexas da logística pesada. Ao estender o MPCC para lidar com cinemática articulada e restrições de fronteira de múltiplos pontos, os autores fornecem uma solução robusta para:

• Segurança: Prevenir dobramento e garantir que todas as rodas permaneçam dentro dos limites da faixa.
• Eficiência: Permitir atracação e reversão autônomas em espaços apertados, que atualmente são um grande gargalo na automação logística.
• Flexibilidade: Oferecer um quadro de controle unificado que se adapta a diferentes modos operacionais (atracamento, carregamento, direção em rodovias) através de simples ajuste de parâmetros, em vez de reescritas algorítmicas.

O artigo conclui que, embora a construção de corredores transitáveis robustos em ambientes dinâmicos permaneça um desafio, a extensão de MPCC proposta é um passo significativo em direção a veículos comerciais articulados totalmente autônomos.