博文

2025年度最佳综述奖 | 无人驾驶车辆运动控制综述

已有 745 次阅读 2026-7-22 09:24 |个人分类:论文推荐|系统分类:博客资讯

编辑荐语

本期将给大家分享2025年度最佳综述奖获奖文章"无人驾驶车辆运动控制综述(A survey of motion control for unmanned ground vehicles)". 如您对本期相关内容有好的理解与建议, 欢迎评论区留言.

本文聚焦于无人驾驶车辆运动控制在复杂行驶工况下面临的多重核心挑战 —— 整车强非线性动力学、模型参数大范围不确定性、路面与传感多源外部扰动以及横纵向半耦合耦合特性, 构建一套从实车平台搭建、整车机理建模到分向及耦合协同控制的完整综述分析框架. 研究首先从工程落地视角, 围绕线控底盘架构、多传感器硬件部署、ROS 模块化软件系统完成无人驾驶实验平台全链路拆解, 并对比国内外高校、科技企业自研无人车平台的设计差异与适用场景; 其次系统建立分层车辆建模体系, 依次推导低速适用运动学模型、高速工况动力学模型、路径跟踪误差模型, 同时融合机理分析与实车标定数据, 构建包含油门死区、转向饱和、执行器滞后、变速切换耦合的复合工程模型, 精准刻画整车与底层执行器的各类非线性约束; 在此基础上, 分别针对纵向车速调节、横向路径跟踪、横纵向耦合协同三大控制维度, 分层梳理主流控制技术路线：覆盖 PID、纯跟踪 / Stanley 几何算法等基础控制方案, 以扩张状态观测器、自抗扰控制、滑模、鲁棒控制为核心的扰动抑制方法, 以及模型预测控制、数据驱动与机器学习融合的多目标综合优化策略, 定量剖析纵向速度对横向跟踪稳定性、超调振荡的耦合影响机理, 厘清横纵向 “纵向强影响横向、横向弱扰动纵向” 的半耦合规律; 全文系统梳理海量国内外相关研究成果, 对比各类建模与控制算法应对模型失配、执行器非线性、变速扰动的适配性与工程实现难度, 依托天骥 3 号实车平台案例验证整套技术体系的落地可行性; 最后完整归纳当下无人驾驶运动控制研究脉络, 从极限工况鲁棒控制、感知规划控制一体化、仿人智能驾驶算法、车路云多车协同控制四大方向提出未来重点研究展望. 本综述打通了理论算法与实车工程应用的技术链路, 完整梳理了车辆建模、单方向运动控制、横纵向耦合协同控制的技术演进脉络, 为面向产业化落地的高精度、高鲁棒无人车运动控制器研发提供全面、体系化参考, 对智能网联汽车运动控制技术迭代与规模化商用具备重要理论与工程指导价值.

论文介绍

无人驾驶车辆运动控制综述

A survey of motion control for unmanned ground vehicles

王浩宇, 左志强†, 邓宇翔, 王一晶, 杨洪玖

机构: 天津大学电气自动化与信息工程学院天津市智能无人集群技术与系统重点实验室

引用:王浩宇, 左志强, 邓宇翔, 等. 无人驾驶车辆运动控制综述. 控制理论与应用, 2024, 41(9): 1507 – 1522

DOI: 10.7641/CTA.2023.30372

全文链接:

https://jcta.ijournals.cn/cta_cn/ch/reader/create_pdf.aspx?file_no=CCTA230372&flag=1&journal_id=cta_cn&year_id=2024

摘要

随着新一代人工智能的发展, 无人驾驶技术已成为国内外的战略研究热点. 无人驾驶车辆具有非线性动态特性强､参数不确定性大等特点, 是一种复杂的多输入多输出欠驱动系统, 同时车辆行驶过程中往往伴随大量的外部扰动以及不确定因素, 因此强鲁棒､高精度､快反应的运动控制策略仍是无人驾驶技术落地的关键. 本文以无人驾驶车辆运动控制为核心, 简单介绍了线控技术并系统论述了车辆模型､纵向控制､横向控制以及耦合控制的研究现状与进展, 旨在从理论算法与工程实践两个维度为相关科研人员提供参考.

引言

随着人们对通行效率､主动安全､节能减排等方面需求的日益提高, 无人驾驶技术由于其巨大的潜力受到了广泛关注. 同时, 得益于人工智能､计算终端､车载传感器的高速发展, 无人驾驶技术已成为国内外的热点研究领域[1].

无人驾驶的概念起源于20世纪50年代[2], 但由于技术缺陷和实验事故频发, 当时并没有得到广泛的关注. 21世纪初, 美国军方为减少行动中的人员伤亡, 提出作战车辆无人化的战略需求. 为此, 美国国防高级研究计划局(defense advanced research projects agency, DARPA)

举办了3届无人驾驶比赛以推动无人驾驶技术的发展, 包括2004年､2005年DARPA越野挑战赛以及2007年DARPA城市挑战赛[3]. 上述系列挑战赛促生了一个由科研人员､工程师等构成的无人驾驶生态圈, “孵化”了一批无人驾驶团队, 也造就了无人驾驶技术创业和投资的热潮. 国内外各大高校, 如斯坦福大学､卡内基梅隆大学､清华大学, 以及各大高新技术公司, 包括谷歌､百度等陆续开展无人驾驶技术的研发. 在人工智能飞速发展的大背景下, 大批造车新势力､老牌主机厂和供应商也纷纷加入到这场无人驾驶的“军备竞赛”中.

自2015年《中国制造2025》政策出台后,我国先后制定了一系列推动无人驾驶汽车发展的鼓励政策. 2017年7月, 国务院印发《新一代人工智能发展规划》, 其中明确提出发展无人驾驶汽车等智能运载工具. 2018年4月, 国家工业和信息化部､公安部､交通运输部联合发布《智能网联汽车道路测试管理规范(试行)》. 2021年3月, 我国《道路交通安全法》的修订建议稿中加入了无人驾驶相关责任认定的描述, 这为推动无人驾驶技术的落地提供了进一步的保障. 毋庸置疑, 无人驾驶是当下最受人们关注､最具发展前景以及最得资本青睐的研究领域之一.

无人驾驶汽车通过激光雷达､毫米波雷达､光学相机､组合惯导等车载传感器感知周围环境与自身位姿信息, 并根据数据信息进行实时行为决策和运动规划, 最终通过控制算法保证车辆按既定路线行驶. 无人驾驶技术架构整体可分为“感知–规划–控制”, 如图 1所示. 感知层是无人驾驶汽车的“眼睛”, 一方面负责识别车辆周围障碍物并测量实时的距离､速度､位置等信息; 另一方面通过组合惯导系统获得自身的位姿信息, 感知层的结果直接决定了无人驾驶车辆能否合理地进行决策规划. 规划层是无人驾驶汽车的“大脑”; 一方面利用感知层获取的信息针对不同路况进行合理的行为决策; 另一方面根据车辆的运动状态合理地规划局部参考路径与参考速度, 规划层的结果直接决定了无人驾驶车辆能否高效安全地行驶. 控制层是无人驾驶汽车的“双腿”, 通过设计相应的控制算法保证无人驾驶车辆稳定可靠地跟踪参考路径与参考速度. 控制层联接了上层智能算法与底层执行器, 是无人驾驶技术架构的基石, 其控制性能的好坏直接决定了无人驾驶车辆能否顺利地完成行驶任务.

车辆运动控制通常分为纵向控制与横向控制[4]. 纵向控制是指利用动力或制动执行器对车辆的加速度与减速度进行调节, 进而使车辆达到期望的速度[5]; 横向控制则根据车辆当前的位姿信息, 利用转向机构保证车辆沿规划路径平稳行驶[6]. 独立考虑两个方向的控制时, 可通过合理的假设实现模型上的解耦与线性化. 但不可否认的是, 车辆横向控制与纵向控制之间存在强烈的耦合特性[7]. 在实现横向､纵向高精度控制的前提下, 仍需充分考虑两者之间不同的特性及关联, 以实现耦合运动控制. 根据车辆的运动学特性､动力学特性以及工程经验, 人们发现车辆横向与纵向之间的耦合影响差异极大.横向特性与纵向速度密切相关, 横向偏移､航向角等横向状态与纵向速度紧密地耦合在了一起, 速度的变化会直接影响横向变量, 高速与低速情况下的车辆横向动力学特性差异明显; 反观纵向特性, 速度主要受驱动力与制动力的影响, 横向变量可视作纵向控制中的扰动. 因此, 二者之间存在一种“半耦合”特性, 即纵向对横向影响大, 而横向对纵向影响小[8]; 另一方面, 两者研究的重点和难点也各有侧重, 横向控制低速下多考虑运动学模型, 车辆稳定性好, 控制简单; 车辆高速下横向控制难度大,一般多考虑动力学模型. 反观纵向控制, 加速过程中由于风阻等因素的影响, 其加速度变化相对平缓, 控制简单, 一般多采用惯性模型; 减速过程则更加剧烈, 无论车辆以何种速度行驶, 均能产生较大减速度, 与加速过程相比存在明显的非对称性.

无人驾驶车辆具有非线性动态特性强, 参数不确定性大等特点, 是一种复杂的多输入多输出欠驱动系统, 同时在车辆行驶过程中存在大量的外部扰动以及不确定因素, 因此无人驾驶车辆的控制仍然存在诸多难题和挑战. 控制领域存在多种方法来处理扰动问题, 旨在提高系统鲁棒性, 如自适应控制[9–11]､鲁棒控制[12–14]等. 然而这些方法大多不能直接应用于无人驾驶的运动控制当中. 一方面, 大部分控制策略都需要基于一定精度的模型设计控制器, 而实际上往往难以获得精确的数学模型, 同时设计出的控制器通常结构较为复杂, 工程上难以实现, 且参数调节困难; 另一方面, 无人驾驶车辆要求控制算法在极短的控制周期内完成计算, 大部分复杂度较高的算法往往效果不佳.

本文调研了国内外无人驾驶车辆运动控制相关的研究成果与进展. 首先, 从线控底盘､硬件部署､软件架构3个方面针对无人驾驶车辆系统与平台进行了简要概述; 其次, 从车辆模型入手, 系统介绍了常用运动学模型､动力学模型以及路径跟踪模型. 在此基础上, 总结了一种机理建模与实验建模相结合的思想, 并对相关工作做了综述介绍; 然后, 围绕纵向控制､横向控制以及耦合控制展开详细的介绍, 分析了目前主流运动控制算法的技术特点; 最后, 阐述了无人驾驶车辆运动控制面临的难题与挑战, 并对未来的研究方向进行了展望.

微信截图_20260720165857.png

微信截图_20260720165905.png

微信截图_20260720165918.png

总结

本文围绕着无人驾驶车辆平台､车辆模型､纵向控制､横向控制以及耦合控制进行了梳理. 其中以无人驾驶车辆运动控制为核心, 分别从基础控制方法､抗扰控制方法､综合控制方法3方面展开介绍. 控制方法从PID､线性二次规划､自适应控制到滑模控制､模型预测控制､自抗扰控制, 再到机器学习､多方法融合等. 运动控制涵盖了速度调节､速度跟踪､路径跟踪､轨迹跟踪､变速跟踪､编队控制等. 涉及的问题包括死区､饱和非线性､状态约束､外部扰动､参数摄动等. 同一种方法可应用到多种不同的控制问题中, 同一个控制问题也可设计多种不同的控制策略. 近年来, 无人驾驶运动控制相关的研究爆发式增长, 也出现了一些综述性文章, 如纵向巡航[124]､横向控制[125]､运动控制[126–129], 以及综述的综述[1]等. 本文所列出的参考文献也难涵盖所有内容, 旨在梳理出一条从工程应用角度可实现落地的技术路线.

作者简介

王浩宇助理研究员, 从事车辆运动控制､自抗扰控制等研究;

左志强教授, 博士生导师, 从事自动驾驶､智能交通系统优化与控制､复杂网络与多智能体系统的控制等研究;

邓宇翔博士研究生, 从事车辆运动控制､模型预测控制等研究；

王一晶教授, 从事智能网联汽车规划与控制､多智能体系统控制等研究；

杨洪玖教授, 从事自动驾驶､自抗扰控制､仓储机器人､空地协同等研究.

期刊介绍

《控制理论与应用》(Control Theory & Applications)是经国家科学技术部批准, 教育部主管, 由华南理工大学和中国科学院数学与系统科学研究院联合主办的全国性一级学术刊物, 1984年创刊, 月刊, 国内外公开发行. 《控制理论与应用》是中国科学引文数据库首批统计源期刊之一，中文核心期刊，入选中国精品科技期刊顶尖学术论文F5000项目，中国科协自动化学科领域高质量科技期刊目录以及中国科协百篇优秀科技论文遴选计划，2021年入选广东省高质量科技期刊建设项目，2022-2024年连续获得基金委资助（科技活动专项）。

期刊封面2.jpg 目录2.jpg