城市环境运行设计域下的远程驾驶员性能评估
系统与控制
2025-10-01 v1 机器人学
系统与控制
摘要
远程驾驶已成为在自动驾驶系统（ADS）面临挑战的场景（特别是在城市运行设计域（ODD）中）实现人类干预的一种解决方案。本研究评估了在拉斯维加斯代表性城市ODD中乘用车远程驾驶员（RD）的性能，重点关注累积驾驶经验和针对性训练方法的影响。使用效率、制动、加速和转向等性能指标，研究表明驾驶经验可以带来RD性能的显著提升，并展示了高达600公里的经验如何与车辆控制的改善相关联。此外，驾驶效率随着公里数的增加呈现积极趋势，特别是在前300公里的经验中，而在400公里后达到在所定义ODD内0.35至0.42公里/分钟范围内的平台期。研究进一步比较了特定于ODD的训练方法，其中详细的ODD训练方法相比其他训练方法获得了显著优势。研究结果强调了针对性ODD训练在提升实际应用中远程驾驶系统（RDS）的RD性能、安全性和可扩展性方面的重要性，同时指出了优化训练协议以应对常规和极端场景的机遇。该研究为推进城市环境中的RDS部署提供了坚实的基础，有助于可扩展且安全关键的远程操作标准的发展。
引用
@article{arxiv.2503.22992,
title = {Evaluation of Remote Driver Performance in Urban Environment Operational Design Domains},
author = {Ole Hans and Benedikt Walter and Jürgen Adamy},
journal= {arXiv preprint arXiv:2503.22992},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication