基于优化的运动规划以缓解晕动症

自动驾驶的接受度正受到晕动症的潜在威胁。它阻碍了乘客进行次要活动的意愿。为缓解自动驾驶车辆中的晕动症，我们提出了一种基于优化的运动规划算法，该算法最小化在被认为最易致恶心的频率范围内的加速度能量分布。该算法被表述为积分式与滚动时域两种变体，并与一种常用的旨在普遍最小化加速度的替代方法进行比较。所提方法相较不考虑频率敏感性的情况可将频率加权加速度降低至多 11.3%，代价是整体加速度舒适性下降。我们的仿真研究还揭示了滚动时域方法在改变预视时间与标称采样时间时相对于积分方法的性能损失。当使用较长采样时间时，滚动时域规划器的计算时间处于或低于实时阈值，且未引起显著的性能损失。我们还展示了基于实际仿真场景的公开道路路段上测量人类驾驶员性能的实验结果。相较表现最佳的参与者，所提方法可实现整体加速度舒适性 19% 的提升或平方晕动剂量值 32% 的降低。结果表明，我们的方法在自动驾驶车辆中改善运动舒适性与缓解晕动症方面具有可观潜力。