狭小空间下基于凸多边形感知碰撞避免的车辆实时模型预测控制
机器人学
2025-05-09 v1
摘要
本文提出了一种车辆运动规划方法，通过将车辆和障碍物的多边形近似纳入模型预测控制（MPC）框架，实现狭小空间中的避障。表示这些形状对于狭小空间中的导航至关重要，以确保精确的碰撞检测。然而，引入多边形近似会导致MPC公式中的析取OR约束，这需要混合整数规划，从而产生显著的计算开销。为克服这一问题，我们提出两种不同的避障约束，将析取OR约束重新表述为可处理的合取AND约束：（1）一种基于支持向量机（SVM）的公式，将避障重新表述为SVM优化问题；以及（2）一种基于边最小有符号距离（MSDE）的公式，利用最小有符号距离度量。我们通过广泛的模拟验证了这两种方法，包括狭小空间停车场景和不同形状障碍物课程，以及在RC车平台上的硬件实验。结果表明，基于SVM的方法在受限环境中实现了更优的导航精度；而MSDE方法则以碰撞避免性能的适度下降实现了实时运行。
引用
@article{arxiv.2505.04935,
title = {Real-Time Model Predictive Control of Vehicles with Convex-Polygon-Aware Collision Avoidance in Tight Spaces},
author = {Haruki Kojima and Kohei Honda and Hiroyuki Okuda and Tatsuya Suzuki},
journal= {arXiv preprint arXiv:2505.04935},
year = {2025}
}
备注
8 pages, 10 figures, 3 tables, The IEEE International Conference on Intelligent Transportation Systems (ITSC) November 18-21, 2025-Gold Coast, Australia