Autonomous Road Vehicle Emergency Obstacle Avoidance Maneuver Framework at Highway Speeds
The Ohio State University(俄亥俄州立大学)
自主道路车辆(ARV)可以使用诸如油门(加速)、制动(减速)和转向(横向方向的改变)的输入来导航各种类型的道路网络。在大多数涉及正常车辆交通和遇到易受伤害的道路使用者(VRU)的抗逆转录病毒药物驾驶场景中,不要求抗逆转录病毒药物采取规避行动。本文提出了一种新的紧急避障机动(EOAM)的方法,ARV行驶在较高的速度和较低的路面摩擦,涉及时间临界机动的确定和控制。所提出的EOAM框架提供了ARV的传感,感知,控制和致动系统能力作为一个内聚系统的使用,以实现避免道路上的障碍物,首先基于性能可行性,其次基于乘客舒适性,并且被设计为很好地集成在ARV高级系统内。联合仿真包括Simulink中的ARV EOAM逻辑和CarSim中的车辆模型,速度范围为55至165 km/h,路面摩擦力范围为1.0至0.1。结果进行了分析,并给出了在整个ARV系统的背景下,与未来的工作的影响。
2022-03-29 cs.RO cs.SY eess.SY
Convex Maneuver Planning for Spacecraft Collision Avoidance
Robotics Institute at Carnegie Mellon University(卡内基梅隆大学机器人研究所);Albedo Space
针对航天器避撞机动规划依赖人工、效率低的问题,提出将低推力避撞问题建模为QCQP后用Shor松弛转化为凸SDP的算法,可生成能量最小或最小风险的最优解,经LEO卫星交会仿真验证有效。
2025-10-21 cs.RO cs.SY eess.SY
Characterizing Within-Driver Variability in Driving Dynamics During Obstacle Avoidance Maneuvers
人类响应的可变性为人类自动化系统的建模和控制带来了重大挑战。随着自动化变得普遍,能够适应人类可变性的方法将变得至关重要,以确保效率,安全和高水平的性能。我们提出了一个易于计算的建模框架,它利用一个指标来评估个体人类反应的变化,在一个动态的任务,受试者重复几次试验。我们的方法是基于观察到的轨迹的再生核希尔伯特空间,它捕获的变化,在人类的反应作为一个分布嵌入在希尔伯特空间内的转换。我们通过最大平均差异来评估响应之间的相似性,该差异衡量希尔伯特空间内分布之间的距离。我们将此指标应用于一个困难的驾驶任务,旨在阐明不同学科之间的差异。我们进行了一项试点研究,6个科目在先进的驾驶模拟器,其中科目的任务是避免碰撞的障碍物在道路中间,周围的一个死角,在夜间的情况下,而转向只有非优势的手。
2022-06-02 cs.SY eess.SY
Safety Verification for Evasive Collision Avoidance in Autonomous Vehicles with Enhanced Resolutions
New York University(纽约大学);North Carolina A&T State University(北卡罗来纳农工州立大学);University of Notre Dame(圣母大学);Qualcomm(高通公司);Torc Robotics(托尔克机器人公司);Glasgow Caledonian University(格拉斯哥卡里多尼亚大学);American Axle & Manufacturing(美国车桥制造公司);Gatik AI(加蒂克人工智能公司)
本文针对自动驾驶规避最小风险机动系统提出系统的危害分析、风险评估与损失评价方法,并引入缓释完整性等级以验证最小风险机动功能,从而提升主动安全功能的可靠性。
2024-11-05 cs.RO cs.SY eess.SY
A Review of Autonomous Road Vehicle Integrated Approaches to an Emergency Obstacle Avoidance Maneuver
The Ohio State University(俄亥俄州立大学)
随着乘用车技术的进步,它们的避障能力也在不断提高,特别是轮胎、悬架、转向以及ABS、ESC等安全技术以及最近的ADAS系统的发展。然而,客车周围的环境也变得更加复杂和危险。以前有研究概述了驾驶员在驾驶乘用车时试图避开障碍物的倾向和表现能力。现在,自动驾驶汽车正在开发具有避障能力的自动驾驶汽车,重要的是要达到或超过人类驾驶员的性能。本文重点介绍了对紧急避障机动(EOAM)至关重要的系统,并确定了每个相关系统的最新技术水平,同时考虑了高速公路行驶的细微差别。一些主要的EOAM相关的系统/领域,在这篇评论中讨论的是:一般的路径规划方法,系统层次结构,决策,轨迹生成,和容错跟踪控制方法。结束语后,对未来的工作,这可能会导致一个理想的EOAM发展的建议,进行了讨论。
2021-06-18 cs.LG cs.RO cs.SY
Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
Magna International Inc.(Magna国际公司)
针对自动驾驶泊车机动,本文提出基于序列凸优化和离散 Dubins 模型的最优轨迹规划方法,在避撞与车辆物理约束下实现高效、平滑的无碰撞运动。
2025-05-13 cs.RO cs.SY eess.SY
Short-term ASV Collision Avoidance with Static and Moving Obstacles
本文考虑碰撞避免(COLAV)的静态和移动障碍物使用分支过程模型预测控制(BC-MPC)算法,这是专为使用自主水面车辆(ASV)。BC-MPC算法最初只考虑了运动障碍物的COLAV,为了使算法也能避开静态障碍物,我们在目标函数中引入了一个基于占有网格的额外项。此外,对算法进行了其他改进,从而产生具有较少摆动的轨迹。通过在挪威特隆赫姆峡湾进行的虚拟静态障碍物和物理移动障碍物的全尺寸实验,验证了改进后的算法。基于雷达的跟踪系统用于检测和跟踪移动障碍物,这使得该算法能够避免障碍物,而不依赖于船到船的通信。实验表明,该算法能够同时避免静态和移动障碍物,同时提供清晰和易于观察的机动。BC-MPC算法符合《国际海上避碰规则》(COLREG)的规则8、13和17,并有利于遵循规则14和15的机动。
2019-07-10 cs.SY eess.SY
Semi-Decentralized Multi-Spacecraft Collision Avoidance under Communication Constraints
Stanford University(斯坦福大学)
该研究针对航天器避撞的间歇性通信约束,提出半分散式POMDP框架,采用RS-SDA*算法规划,性能接近集中式且同步事件减少28.5%,优于规则启发式方法。
2026-07-30 cs.RO cs.SY eess.SY
Emergent Autonomous Drifting for Collision Avoidance in Real-World Winter Driving Scenarios
Toyota Research Institute(丰田研究院)
研究现实世界冬季驾驶中漂移对安全的作用,提出基于碰撞死亡数据的能漂移的非线性模型预测控制(MPC)系统,经实验与比较,该系统能在多种速度下降低中位车道误差,在危险场景中表现更优。
2026-07-23 cs.RO cs.SY eess.SY
Turning Circle-based Control Barrier Function for Efficient Collision Avoidance of Nonholonomic Vehicles
Korea Advanced Institute of Science and Technology(韩国科学技术院)
本文提出一种基于转弯圆的控制障碍函数,结合模型预测控制,以考虑非完整约束,提高非完整车辆碰撞避免的效率,并通过仿真和实验验证。
2025-03-26 cs.RO cs.SY eess.SY
Active inference as a unified model of collision avoidance behavior in human drivers
Department of Cognitive Robotics(认知机器人学系);Delft University of Technology(代尔夫特理工大学);Waymo LLC(Waymo公司)
本文提出基于主动推断的新型计算认知模型,统一解释人类避撞行为中的响应时间、动作选择与执行等关键问题。
2026-05-12 cs.RO cs.SY eess.SY
Mixed-Integer Linear Programming Model for Collision Avoidance Planning in Commercial Aircraft Formations
针对商用飞机编队避碰研究不足的问题,本文提出一种混合整数线性规划优化模型,生成安全有效的避碰方案,为编队飞行策略制定提供见解,为商用编队飞行实际应用提供理论支持。
2024-11-29 cs.SY eess.SY
Three Dimensional Hydrodynamic Flow-Based Collision Avoidance for UAV Formations Facing Emergent Dynamic Obstacles
Mechanical and Aerospace Engineering(机械与航空航天工程)
本文提出了一种基于流体动力学的三维碰撞避障方法,用于无人机编队在动态环境中实现安全、高效的避障控制。
2026-01-16 cs.RO cs.SY eess.SY
Autonomous Emergency Collision Avoidance and Stabilisation in Structured Environments
提出了一种新的弯道自主避障闭环控制框架。所提出的框架提供了两个主要功能:(i)碰撞的无轨迹规划使用MPC和(ii)的横向/偏航稳定性的扭矩矢量控制器设计使用最优控制概念。分析了名义型MPC、无偏置MPC和鲁棒MPC的轨迹规划算法,并分别实现了力矩矢量控制。仿真结果证实了这种分层控制算法的优点是:(i)不受非凸碰撞避免约束,(ii)保证凸性,而驾驶在曲线道路上,(iii),以保证可行的轨迹时,车辆加速或减速,同时执行横向机动,和(iv)对低摩擦表面的鲁棒性。此外,为了评估控制结构在紧急和动态环境下的性能,在低摩擦表面和不同曲率值下对框架进行了测试。仿真结果表明,所提出的防撞系统可以显着提高车辆在紧急驾驶场景的安全性。为了说明所提出的防撞系统的有效性,高保真IPG汽车制造商和Simulink的联合仿真环境中使用的结果进行验证。
2020-04-16 cs.SY eess.SY
Formally Verified Next-Generation Airborne Collision Avoidance Games in ACAS X
飞机防撞算法的设计是一个微妙但重要的挑战,值得证明安全保证的需要。考虑到入侵飞机决策、本机驾驶员反应和飞机连续运动动力学的微妙性之间的相互作用的不可预测性,获得这样的保证是不平凡的。现有的防撞系统,如TCAS和下一代机载防撞系统ACAS X,已经被分析为假设对入侵者的飞行机动有严格的限制,限制了它们在入侵者可能改变航向的真实场景中的安全保证。这项工作需要一个概念上的显着和实际相关的偏离现有的ACAS X模型,将它们推广到混合游戏与一流的代表性的所有权和入侵者的决定来自两个独立的球员,使显着先进的预测能力。通过证明微分博弈逻辑中的对抗性ACAS X的获胜策略的存在性,建立了本机和入侵者飞机的丰富遭遇的碰撞自由,沿着具有不断变化的垂直/水平速度的飞行路径的微分方程具有独立的决策。我们提出了三种类型的模型的复杂性不断增加:单咨询无限时间模型,有界时间模型,无限时间,多咨询模型。在每一类模型中,我们确定象征性的条件,并证明,然后总是有一个可能的本机机动,将防止两架飞机之间的碰撞。
2022-03-01 cs.GT cs.LO cs.SY
The Branching-Course MPC Algorithm for Maritime Collision Avoidance
提出了一种新的短期海上避碰算法--分支航向预测控制算法。该算法被设计为相对于障碍物估计上的噪声是鲁棒的,当使用诸如例如雷达的外感受传感器用于障碍物检测和跟踪时,障碍物估计上的噪声是显著的干扰源。外感受性传感器不需要船对船通信,这使得COLAV能够针对未配备例如自动识别系统(AIS)应答器的船舶,此外还增加了关于可能由其他船舶提供的错误信息的鲁棒性。BC-MPC算法符合国际海上避碰规则(COLREG)的规则8和17,并有利于遵循规则13-15的机动。这导致COLREG感知算法在必要时可以忽略规则13-15。该算法在2017年特隆赫姆峡湾的几个全尺寸实验中进行了实验验证,使用基于雷达的障碍物检测和跟踪系统。COLAV实验表明,良好的性能符合所需的算法行为。
2019-06-28 cs.SY eess.SY
Robust Model Predictive Control for Aircraft Intent-Aware Collision Avoidance
本文提出基于鲁棒模型预测控制(场景树方法)的意图感知碰撞避免系统,利用航路点信息假设其他飞行器沿最优杜宾斯路径运动,在考虑不确定性的同时实现高效计算,并通过仿真验证其有效性。
2025-03-30 cs.SY eess.SY math.OC
Guaranteeing Safety for Neural Network-Based Aircraft Collision Avoidance Systems
ACAS X系列飞机防撞系统的决策逻辑用一个大的数字表表示。由于认证的航空电子硬件的存储限制,神经网络已被建议作为一种方法,以显着压缩数据,同时仍然保持安全方面的性能。然而,神经网络是复杂的连续函数,其输出难以预测。由于模拟仅评估有限数量的遭遇,因此模拟不足以保证神经网络在所有可能的情况下都能正确执行。我们提出了一种方法,以提供安全保障时,使用神经网络避碰系统。神经网络的输出是有界的,使用神经网络验证工具,如Reluplex和Reluval,和可达性方法确定所有可能的方式,飞机相遇将解决使用神经网络模型和假设有界的飞机动力学。受ACAS X启发的系统实验表明,神经网络提供水平或垂直机动可以被证明是安全的。我们探讨了放宽飞机动力学的界限如何导致潜在的不安全遭遇,并演示了如何修改神经网络控制器,以通过在线成本或降低警报成本来保证安全。可达性方法是灵活的,可以考虑不确定性,如驾驶员延迟和传感器误差。这些结果提出了一种方法,用于验证神经网络防撞系统在真实的飞机。
2020-05-05 cs.SY eess.SY
Duality-based Convex Optimization for Real-time Obstacle Avoidance between Polytopes with Control Barrier Functions
Hybrid Robotics Group(混合机器人学团队)
本文提出基于对偶优化与非光滑控制屏障函数的多面体间实时避障方法,将最小距离问题转化为QP问题,并在移动沙发等非线性动力学场景中验证了狭窄空间下的非保守避障效果。
2022-04-18 cs.RO cs.SY eess.SY
On the Dual Implementation of Collision-Avoidance Constraints in Path-Following MPC for Underactuated Surface Vessels
Kiel University(基尔大学);AVL Software and Functions GmbH(AVL软件与功能有限公司)
提出了一种将障碍物形状近似为凸多边形的路径跟踪避碰模型预测控制(MPC)方法。避免碰撞是通过有符号的距离函数来确保的,该有符号的距离函数作为MPC问题的一部分通过利用对偶公式来有效地计算。整个MPC问题可以通过标准的非线性规划(NLP)求解器来解决。双符号距离公式化产生,除了(双)碰撞避免约束,规范和一致性约束。提出了一种新的方法,结合产生的规范平等的双重碰撞避免不等式约束,以产生一个替代制定减少复杂性。移动障碍物被认为是使用单独的线性预测的障碍物位置的凸集的对偶问题。的理论研究结果和简化的比较,经常使用的椭球形障碍制定和分析方面的效率的例子,一个模拟的路径跟踪自主水面舰艇在一个现实的机动和AIS障碍数据从基尔湾地区。
2021-03-12 cs.RO cs.SY eess.SY
Synergistic Perception and Control Simplex for Verifiable Safe Vertical Landing
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出一种感知与控制协同单纯形方法,通过实时动态确认系统控制限制,为自主飞行器在复杂环境下的垂直降落提供可验证的避障安全保障。
2023-12-05 cs.RO cs.SY eess.SY
Hybrid A*-Based Reverse Path-Planning of a Vehicle with Trailer System
Automated Driving Lab, Department of Mechanical and Aerospace Engineering, The Ohio State University(自动化驾驶实验室,机械与航空航天工程系,俄亥俄州立大学);Hyundai America Technical Center, Inc.(现代美国技术中心有限公司)
本文提出一种改进的混合A*算法,用于解决带拖车车辆的反向停车路径规划问题,兼顾车辆-拖车系统和碰撞避障,通过适应性控制防止拖车翻转,并通过仿真验证有效性。
2026-04-27 cs.RO cs.SY eess.SY
Learning Fast, Tool aware Collision Avoidance for Collaborative Robots
Neuromeka Co., Ltd.(Neuromeka公司)
针对动态人机环境中工具变化和遮挡导致的避障难题,提出结合学习型感知与约束强化学习的工具感知避障系统,实现10毫秒内平滑避障、亚毫米精度及约60%的计算成本降低。
2025-08-28 cs.RO cs.SY eess.SY
A Guidance and Maneuvering Control System Design with Anti-collision Using Stream Functions with Vortex Flows for Autonomous Marine Vessels
University of Michigan(密歇根大学);Norwegian University of Science and Technology(挪威科技大学);Tsinghua University(清华大学)
预计自主海洋船舶将避免船舶之间的碰撞,并遵守国际安全航行条例。提出了一种基于流函数的分步路径规划方法。采用流体的动态流动作为引导模型,通过在汇流中应用圆形定理来实现静态环境中的碰撞避免。我们将这种方法扩展到动态环境中,通过在流场中加入涡流。流函数被递归地更新,以实现飞行中的路点决策。该船避免碰撞,并遵守《国际海上避碰规则公约》的若干规则。该方法在概念上和计算上都很简单,调整方便,但通用性强,可以处理具有多个动态障碍物的复杂和密集的海上交通。考虑到船舶动力学,通过使用Bézier曲线来生成具有可行曲率的足够光滑的路径。数值模拟进行了验证所提出的方法。
2022-04-16 cs.RO cs.SY eess.SY
Collision Avoidance in Tightly-Constrained Environments without Coordination: a Hierarchical Control Approach
University of California at Berkeley(加州大学伯克利分校)
我们提出了一种分层控制方法,用于在严格约束的环境中操纵自动驾驶汽车(AV),其中存在其他移动的AV和/或人类驾驶的车辆。提出了一个两级层次结构:一个高层次的数据驱动的策略预测器和一个低层次的基于模型的反馈控制器。策略预测器通过神经网络将动态环境的编码映射到一组高级策略。取决于所选择的策略,一组时变超平面在AV的位置空间在线生成和相应的半空间约束包括在较低级别的基于模型的滚动时域控制器。这些依赖于策略的约束驱使车辆驶向可能保持可行性的区域。此外,预测的策略还通知在离散策略集之间的切换,这允许在预测置信度低时进行更保守的行为。我们证明了所提出的数据驱动的分层控制框架的有效性,在两辆车的碰撞避免的情况下,通过模拟和实验的1/10规模的自主汽车平台上的策略指导的方法优于模型预测控制基线在这两种情况下。
2021-03-18 cs.RO cs.SY eess.SY
Hamilton-Jacobi Reachability-Based Safe Reinforcement Learning for Emergency Collision Avoidance
Tsinghua University(清华大学);Jilin University(吉林大学)
提出一种基于Hamilton-Jacobi可达性运动安全集的安全强化学习框架,通过离线数据近似安全集并嵌入约束马尔可夫决策过程,实现紧急避撞中的前瞻性安全监督与策略优化。
2026-06-16 cs.RO cs.SY eess.SY
SACA: A Scenario-Aware Collision Avoidance Framework for Autonomous Vehicles Integrating LLMs-Driven Reasoning
Tsinghua University(清华大学);University of Michigan(密歇根大学);University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Beijing Institute of Technology(北京理工大学)
针对极端场景下自动驾驶避撞难题,本文提出SACA框架,融合场景预测分析、LLM数据驱动在线推理与离线记忆评估,并通过预计算策略提升部署性能。
2025-06-11 cs.RO cs.SY eess.SY
Decentralized Contingency MPC based on Safe Sets for Nonlinear Multi-agent Collision Avoidance
Institute for Electrical Engineering in Medicine, University of Luebeck, Luebeck, Germany(医学电气工程研究所,吕贝克大学,吕贝克,德国)
本文提出基于安全集的去中心化应急MPC框架,实现非线性多智能体在仅状态信息下的碰撞避免,通过局部优化问题和应急证书保证递归可行性与收敛性。
2026-05-11 cs.MA cs.RO cs.SY
Dodging the Moose: Experimental Insights in Real-Life Automated Collision Avoidance
Delft University of Technology(代尔夫特理工大学);The University of Tokyo(东京大学)
本文提出了一种类人前馈规划器,用于在MPC优化问题不可行时辅助实时避撞,通过实验验证了在紧急情景中有效规避静态障碍物的能力。
2026-02-19 cs.RO cs.SY eess.SY
Hamilton--Jacobi Reachability for Spacecraft Collision Avoidance
Department of Mechanical Engineering, University of California, Berkeley(加州大学伯克利分校机械工程系);Aerospace Engineering Program, University of California, Berkeley(加州大学伯克利分校航空航天工程项目);Department of Mechanical Engineering, National University of Singapore(新加坡国立大学机械工程系)
本文提出了一种用于同轨道双卫星碰撞避免问题的Hamilton-Jacobi(HJ)可达性框架,通过平面Hill-Clohessy-Wiltshire(HCW)动力学在径向-切向-法向(RTN)框架中建模相对运动。定义目标状态空间为对应于联邦通信委员会(FCC)轨道标准的最小分离要求的不安全相对配置。将航天器之间的相互作用建模为零和微分博弈,其中玩家1是受控卫星,玩家2被建模为具有未知意图的有界对抗干扰。本文提出了HJ公式,并计算了后向可达集,这些集描述了在最坏情况下无法避免碰撞的相对状态,而集外的状态则允许证明安全的轨迹。这些可达集与监督混合控制逻辑相结合,以确定何时必须启动规避机动,从而为可扩展性提供数学基础的安全保证。
2026-05-19 cs.RO cs.SY eess.SY
Learning-to-Fly: Learning-based Collision Avoidance for Scalable Urban Air Mobility
University of Pennsylvania(宾夕法尼亚大学);University of California, Berkeley(加州大学伯克利分校);Oregon State University(俄勒冈州立大学)
随着城市人口的增加,全球对城市空中机动性(UAM)感兴趣,其中数百个自主无人机系统(UAS)在城市上空执行任务。与传统的人在环空中交通管理不同,UAM需要分散的自主方法,可扩展到更高的飞机密度的数量级,并适用于城市环境。我们提出了学习飞行(L2F),这是一个分散的按需空中防撞框架,适用于多个UAS,使它们能够独立规划和安全执行任务,并使用信号时序逻辑表达空间,时间和反应目标。本文将两个无人机在不违反任务目标的情况下预测性避碰问题描述为一个混合线性规划(MILP)问题,但这一问题很难在线求解。相反,我们开发了L2 F,这是一种两阶段碰撞避免方法,包括:1)基于学习的决策方案和2)基于线性规划的分布式UAS控制算法。通过大量的模拟,我们展示了我们的方法的实时适用性,这是$\approx\!6000\times$比MILP方法更快,可以解决$100\%$的碰撞时,有足够的机动空间,否则表现出优雅的性能下降。我们还比较了L2F与其他两种方法,并演示了四旋翼机器人的实现。
2020-06-23 cs.LG cs.RO cs.SY
Collision probability reduction method for tracking control in automatic docking / berthing using reinforcement learning
Osaka University(大阪大学);University of Tsukuba(筑波大学);RIKEN Center for Advanced Intelligence Project(理化学研究所先进智能项目中心)
针对自动靠泊中跟踪控制难以避免碰撞的问题,提出基于强化学习的训练方法,以降低与静态障碍物碰撞的概率,并通过数值仿真和模型实验验证了其有效性。
2024-11-04 cs.RO cs.SY eess.SY
Risk-Sensitive Orbital Debris Collision Avoidance using Distributionally Robust Chance Constraints
University of California Berkeley(加州大学伯克利分校)
针对非线性轨道动力学下非高斯分布碰撞概率难以准确评估和计算的问题,提出一种基于条件风险价值(CVaR)近似的分布鲁棒机会约束避碰算法,在有限分布信息下保证安全并实现计算可处理。
2024-12-23 cs.RO cs.SY eess.SY
Dense Fixed-Wing Swarming using Receding-Horizon NMPC
Johns Hopkins University Applied Physics Lab(约翰斯·霍普金斯大学应用物理实验室);Johns Hopkins University Whiting School of Engineering(约翰斯·霍普金斯大学惠廷工程学院)
针对敏捷固定翼飞行器近距离蜂群飞行的避障需求,提出基于滚动时域NMPC的控制方法,结合轨迹偏离概率统计界实现鲁棒避障,经仿真与硬件实验验证,为首次在实体特技固定翼上实现近距离蜂群飞行。
2025-02-21 cs.RO cs.SY eess.SY
Data-Driven Robust Optimization for Energy-Aware Safe Motion Planning of Electric Vehicles
Department of Electrical Engineering, IIT Kharagpur(电子工程系,印度Kharagpur理工学院)
本文提出一种数据驱动的鲁棒优化框架,同时解决电动汽车的能量最优与安全运动规划,通过纳入横向动力学和基于历史数据的概率占用集约束,实现能耗降低与碰撞避免。
2025-09-07 cs.RO cs.SY eess.SY