VisioPath：基于视觉语言增强模型预测控制的混合交通安全自主导航
系统与控制
2025-07-10 v1 机器人学
系统与控制
摘要
本文提出一种新颖框架VisioPath，将视觉语言模型(VLM)与模型预测控制(MPC)相结合，以实现在动态交通环境中的安全自主驾驶。该方法利用鸟瞰视角视频处理流程和零样本VLM能力，获取关于周围车辆的位置、尺寸和速度等结构化信息。基于这些丰富的感知输出，我们构建围绕其他交通参与者的椭圆碰撞规避势场，并无缝集成到基于有限时域的最优控制问题中进行轨迹规划。所得轨迹优化通过具有自适应正则化方案的差分动力学规划求解，并嵌入事件触发式MPC循环中。为确保碰撞自由运动，框架中 Incorporate 一个安全验证层，提供对潜在不安全轨迹的评估。大量仿真实验在Simulation of Urban Mobility(SUMO)中表明，VisioPath 在多个指标上超越了传统MPC基线。通过将现代AI驱动的感知与最优控制的严谨基础相结合，VisioPath 代表了在复杂交通系统中安全轨迹规划的重要进展。
引用
@article{arxiv.2507.06441,
title = {VisioPath: Vision-Language Enhanced Model Predictive Control for Safe Autonomous Navigation in Mixed Traffic},
author = {Shanting Wang and Panagiotis Typaldos and Chenjun Li and Andreas A. Malikopoulos},
journal= {arXiv preprint arXiv:2507.06441},
year = {2025}
}