Robust Global-Local Behavior Arbitration via Continuous Command Fusion Under LiDAR Errors

这是一份关于论文《Robust Global–Local Behavior Arbitration via Continuous Command Fusion Under LiDAR Errors》（基于连续指令融合的全球 - 局部行为仲裁在 LiDAR 误差下的鲁棒性）的详细技术总结。

1. 研究背景与问题 (Problem)

核心挑战：
在模块化自动驾驶系统中，如何协调全局进度目标（如跟踪规划好的参考路径）与局部安全反应（如对附近障碍物的避让），特别是在感知数据不完美（存在噪声、延迟、丢包或虚假读数）且需满足严格实时约束的情况下。

具体痛点：

• 感知缺陷的影响： LiDAR 传感器常受范围噪声、延迟、扫描丢失以及虚假的近距离读数（False Short-range Outliers）影响。
• 传统方法的局限性： 基于阈值规则（如距离触发切换）的行为仲裁机制对感知噪声非常敏感，容易导致行为切换过早/过晚、频繁振荡或过度保守，从而降低通行效率甚至引发危险。
• 现有方案的不足： 许多方法要么依赖复杂的端到端学习（难以解释且安全性难保障），要么依赖计算量大的模型预测控制（MPC），或者在感知受损时缺乏鲁棒性。

研究目标：
设计一个轻量级的、基于 ROS2 的仲裁模块，能够在 LiDAR 感知受损的情况下，鲁棒地融合两个现有的、可解释的低层控制器（全局跟踪和局部避障），并保证实时性和安全性。

---

2. 方法论 (Methodology)

该系统采用**连续指令融合（Continuous Command Fusion）**策略，而非简单的模式切换。

A. 系统架构

系统由三个主要部分组成，运行在 ROS2 环境中：

1. 全局控制器 (Global Controller)： 基于 Pure Pursuit (PP) 算法，负责跟踪预计算的参考路径（如赛道中心线）。
2. 局部控制器 (Local Controller)： 基于 Gap Follow (GF) 算法，直接利用 2D LiDAR 扫描数据，识别安全间隙并进行快速横向避让。
3. 仲裁模块 (Arbitration Module)：
   • 输入： 接收两个控制器的候选阿克曼指令（转向角 $\delta$ 和速度 $v$），以及紧凑的特征观测向量（包括 LiDAR 统计信息、路径曲率、相对对手信息等）。
   • 核心机制： 使用强化学习（PPO）训练的策略网络，输出一个连续的融合门控值 $\alpha \in [0, 1]$。
   • 融合公式： 最终执行指令 $u_t = (1 - \alpha_t) u_{PP,t} + \alpha_t u_{GF,t}$。
   • 安全覆盖 (Safety Overrides)： 即使融合后的指令，也会经过安全监控器的检查。如果检测到最小安全距离被违反或输入数据过时（Stale），系统会强制覆盖为停止指令。

B. 强化学习设计

• 算法： 使用 PPO (Proximal Policy Optimization) 进行训练。
• 状态空间 (Observation)： 并非使用原始 LiDAR 点云，而是提取紧凑特征，包括：
  • 前向锥体内的 LiDAR 统计量（如最小距离）。
  • 参考路径的曲率信息。
  • 相对对手的位置、角度和速度（训练时通过随机掩码模拟对手不可见的情况，增强鲁棒性）。
• 奖励函数 (Reward)： 平衡前进进度、安全距离惩罚、门控切换的平滑性惩罚以及完成超车的奖励。
• 部署策略： 引入低通滤波平滑 $\alpha$ 值，并仅在“交互模式”（如近距离超车）下激活策略，平时保持全局跟踪。

C. 对比基线 (Baseline)

为了公平比较，作者实现了一个轻量级基于采样的预测基线 (Sampling-based Predictive Baseline)：

• 在相同的 ROS 输入和控制频率（30 Hz）下运行。
• 枚举一组恒定的转向候选项，利用运动学自行车模型预测轨迹。
• 利用 LiDAR 数据进行碰撞筛查，选择成本最低且安全的轨迹。

D. 鲁棒性评估协议

• 仿真环境： F1TENTH Gym ROS。
• 感知损伤注入 (Impairment Protocol)：
  • 基础损伤： 高斯距离噪声 ($\sigma=0.05m$)、200ms 扫描延迟、30% 扫描丢包。
  • 变量损伤： 在前向锥体（40°）内注入虚假的近距离异常值（False Short-range Outliers），概率 $p_{out}$ 从 0 到 0.4 变化。
• 指标： 成功率、碰撞率、脱轨率、超时率、不安全近距离事件率，以及端到端控制器运行时（平均和最坏情况）。

---

3. 关键贡献 (Key Contributions)

1. 基于 ROS2 的 LiDAR 鲁棒性评估框架：
   提出了一套包含噪声、延迟、丢包及虚假异常值注入的评估协议，能够量化感知压力增加时任务结果和实时行为的鲁棒性曲线。

2. 匹配的采样预测基线：
   实现了一个与所提仲裁架构具有相同输入、相同控制频率的轻量级采样预测基线，确保了比较的公平性。

3. 不可变控制器的连续融合仲裁：
   提出了一种 ROS2 仲裁模块，仅学习一个标量融合门控 $\alpha$，将 Pure Pursuit 和 Gap Follow 融合为单一指令。该方法保留了底层控制器的可解释性，同时通过简单的运行时安全检查（如输入过时监控、最小距离停止）增强了安全性。

---

4. 实验结果 (Results)

实验在 F1TENTH Gym ROS 的 IMS 赛道上进行（训练在 Levine 赛道，测试在未见过的 IMS 赛道以验证泛化性）。

• 标准感知下的性能：

  • 仲裁模块 (Arbiter)： 100% 成功率，0 碰撞，0 脱轨，0 超时。平均运行时 31.95ms，最坏情况 47.12ms。
  • 采样基线 (Sampling MPC)： 90% 成功率（1 次超时），0 碰撞。平均运行时 24.15ms（更快），但最坏情况运行时高达 61.83ms（波动更大）。

• LiDAR 损伤下的鲁棒性：

  • 随着前向虚假异常值概率 ($p_{out}$) 的增加，仲裁模块的成功率下降速度明显慢于采样基线。
  • 基线失效原因： 采样基线依赖当前 LiDAR 扫描来筛选候选轨迹。虚假的近距离读数会让前方看起来被阻塞，导致基线拒绝大量轨迹，选择过度保守的动作，最终因无法前进而超时。
  • 仲裁模块优势： 基于聚合特征（如前向自由空间统计量）而非逐点扫描检查，结合门控平滑和上下文激活，对孤立异常值不敏感，行为振荡更少。

• 实时性表现：

  • 虽然基线的平均计算时间更短，但其最坏情况下的运行时波动更大。在关键的短决策窗口（如启动横向避让）中，这种波动可能导致响应延迟。仲裁模块提供了更稳定的每步端到端运行时。

---

5. 意义与结论 (Significance & Conclusion)

• 工程实用性： 该研究证明了在模块化自动驾驶栈中，通过连续融合而非离散切换来协调全局和局部行为，可以显著提高系统在感知受损情况下的鲁棒性。
• 安全与效率的平衡： 该方法在保持 30Hz 高频控制的同时，成功处理了复杂的近距离超车交互，且无需重新设计底层控制器。
• 对感知不确定性的应对： 相比于依赖精确感知进行轨迹筛选的预测方法，基于特征聚合的强化学习仲裁器在面对 LiDAR 噪声和异常值时表现出更强的容错能力。
• 局限性： 目前研究主要集中在仿真环境下的特定近距离超车场景。未来的工作将扩展到更丰富的交互场景、真实车辆验证以及组件级的消融实验。

总结： 这篇论文提出了一种轻量级、可解释且鲁棒的命令级仲裁方案，利用强化学习学习融合权重，有效解决了模块化自动驾驶在 LiDAR 感知不完美时的行为协调难题，为实际部署提供了重要的安全验证参考。