道路是一个不断进行博弈的场所。即使在最有序的交通中，驾驶员也必须不断判断距离、速度以及他人的不可预测行为。对于必须在没有人类直觉的情况下做出这些判断的自动驾驶汽车而言，挑战更为艰巨。如果一辆车仅仅是遵循路径或对正前方空间做出反应，那么当另一辆车表现出攻击性或反复无常的行为时，它可能会陷入困境。为了解决这个问题，研究人员正在开发不仅能做出反应，还能通过理解车辆移动速度及转向快慢来预判危险的安全系统。其目标是创造一个数字护盾，使车辆即使在被混乱环境推向极限时，也能保持在车道内。
在最近的一项研究中，研究人员利用在直窄轨道上的小型真实世界自动驾驶汽车测试了这一理念。他们设置了一个场景：一辆作为主车的车辆会进行破坏性的、之字形的机动动作，以阻挡第二辆车（即跟随车）的超越。研究人员想看看标准的导航方法是否能确保跟随车的安全。他们发现，最常用的方法——即仅仅驶向障碍物之间最宽敞的间隙——遭遇了惨败。当领头车来回摆动时，试图跟随移动间隙的跟随车被驱赶到了走廊的墙壁上。即使是这种方法的更谨慎版本（旨在驶向间隙中心而非边缘），也无法防止碰撞。问题在于，这些方法只观察了车辆所处的位置，却忽略了它横向移动的速度。一辆缓慢向墙壁移动的汽车有时间转向，但一辆快速向墙壁移动的汽车则需要更早地转向。
为了解决这个问题，团队设计了一种结合了位置与速度的新型安全规则。他们创建了一个数学边界，该边界会随着车辆横向速度的增加而收紧。这意味着，如果车辆在快速移动时开始向墙壁漂移，安全系统将强制执行更早、更强的纠偏动作，使其回到车道中心。他们将这一新规则与旧方法进行了对比测试。当领头车进行激进的之字形运动时，配备了这种具备速度感知能力的新规则的跟随车每次都安全地保持在轨道内。它通过细微、平滑的调整来保持居中，从而避免了导致其他车辆碰撞的剧烈摆动。研究人员在一条宽一米、长十米的轨道上测量了性能，并使用高速摄像系统以极高的精度追踪车辆的运动。结果显示，虽然传统方法在多次试验中导致了碰撞，但新方法在没有显著减速的情况下确保了车辆的安全。
这项研究为自动驾驶汽车的未来提供了一个关键教训：仅靠观察车辆所处的位置无法保证安全。系统还必须考虑车辆是如何移动的。研究人员证明，通过在安全计算中加入简单的横向速度意识，他们可以防止车辆即使在最苛刻的条件下也偏离车道。这项工作是在 Agilex Limo 平台上进行的，这是一种小型自动驾驶车辆，实验环境旨在模拟现实世界中超车时的紧凑约束。研究结果表明，为了使自动驾驶系统真正具有鲁棒性，其安全逻辑必须从静态边界进化为基于车辆动量而变化的动态边界。通过这样做，工程师可以构建出不仅在理论上避免碰撞，而且能在混乱的现实道路环境中生存下来的系统。
技术摘要：从易崩溃的间隙跟随到基于非线性控制障碍函数的鲁棒安全性
问题陈述
本文探讨了标准间隙跟随导航方法（特别是 Follow-the-Gap (FTG) 算法）在自动驾驶车辆（AVs）处于对抗性超越场景时的安全性局限。虽然 FTG 及其变体在无图导航中非常高效，但在间隙配置快速变化或前车进行激进机动时，它们往往会失效。这些失效表现为“边界碰撞”，即跟随车辆离开轨道并撞上走廊墙壁。核心挑战在于如何区分那些在常规条件下表现安全但在对抗性压力下会失效的控制器（如线性控制障碍函数）与那些提供真正鲁棒性的控制器。
研究方法
本研究利用 Agilex Limo 自动驾驶车辆平台，在由 Vicon 运动捕捉系统监测的直线走廊环境（宽 1m，长 10m）中进行实验。研究对比了四种不同的场景，其中主车（“前车”）执行对抗性的之字形（zig-zag）机动，而次车（“跟随车”）尝试进行超越。
- 系统建模： 车辆动力学采用具有一阶速度跟踪的运动学单轮车模型进行建模。轨道安全性由横向位置约束（y∈[−W/2,W/2]）定义。
- 控制器设计：
- 基准控制器： 标准 FTG（转向朝向最宽间隙的外侧边缘）以及一种保守型 FTG 变体（转向朝向间隙中心并设有更严格的速率限制）。
- 安全滤波器： 作者实现控制障碍函数（CBFs）以强制执行轨道不变性。他们对比了线性 CBF（纯粹基于位置）与提出的非线性、感知速度的 CBF。
- 非线性 CBF 公式： 提出的函数 h(y,y˙)=4W2−(1+γ)y2−βy˙2+ϵ 整合了横向位置（y）和横向速度（y˙）。该公式包含一个中心化项和一个与速度相关的收紧项，后者会随着横向速度的增加而缩小可容许带宽，从而迫使车辆在靠近边界时及早采取纠正措施。
- 对抗性设置： 前车被设定为执行包含快速横向振荡（微振荡）和由边界触发的修正（宏振荡）的“之字形”机动，旨在破坏跟随车的间隙检测。
- 实现： 安全约束通过二次规划（QP）进行实时强制执行，该规划在满足 CBF 不等式 h˙+κh≥0 的同时，最小化与标称转向指令的偏差。
主要贡献
本文做出了四个主要贡献：
- 对抗性机动设计： 创建了一种可重复的前车之字形机动，其特征在于来自控制输入的微振荡和由边界触发的 CBF 修正导致的宏振荡。
- 非线性 CBF 公式： 开发了一种用于横向轨道约束的、感知速度的零化 CBF。它定义了一个依赖于速度的安全集，为应对对抗性驾驶引起的剧烈横向偏移提供了鲁棒性。
- 集成： 将非线性 CBF 与 FTG 控制器成功集成，以创建更安全的超越策略。
- 实验验证： 在 Agilex Limo 平台上进行了实证演示，结果表明尽管 FTG 和线性 CBF 在对抗条件下会失效，但非线性 CBF 能在保持极小性能损失的情况下维持安全性。
实验结果
作者评估了四种场景：
- 场景 1（单车）： 非线性 CBF 成功维持了单车在最大速度下的轨道不变性，纠正了靠近边界时的微小偏移。
- 场景 2（FTG 对抗对抗性前车）： 标准 FTG 跟随车由于快速的间隙切换和激进的转向，持续撞向柔性管道边界。
- 场景 3（保守型 FTG 对抗对抗性前车）： 尽管减少了横向偏移并使转向更加平滑，但该保守变体仍未能防止所有七次试验中的碰撞，因为重复的间隙重构压倒了控制器。
- 场景 4（带有线性与非线性 CBF 的 FTG）：
- 线性 CBF： 未能可靠地捕获不安全状态。在 5 次具有不同初始条件的试验中，有 1 次跟随车向外漂移并发生碰撞。线性约束缺乏必要的中心化效应，无法在达到执行机构极限时防止边界违规。
- 非线性 CBF： 在全部 10 次实验中，跟随车均保持在车道内。对约束的基于速度的收紧促使车辆更早向内转向，成功防止了越界碰撞。
意义与主张
本文声称，标准的间隙跟随方法即使增加了保守余量或线性安全滤波器，在对抗性超越场景中也是不足够的。其主要意义在于证明了非线性和速度感知对于鲁棒安全性至关重要。所提出的非线性 CBF 通过根据横向速度动态调整安全集，提供了一种“更鲁棒的安全概念”，从而防止车辆进入控制器无法在碰撞前恢复的状态。作者得出结论，该方法在仅施加极小圈速惩罚的同时保持了安全性，为复杂且不可预测的驾驶环境提供了一个原则性的实时安全框架。
作者指出，未来的工作将把该框架扩展到包括轮胎侧滑、感知延迟、弯道轨道和意图推理，但目前的研究严格限于运动学模型和特定的对抗性超越场景。
每周获取最佳 electrical engineering 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。