Safe Motion Planning and Control Using Predictive and Adaptive Barrier Methods for Autonomous Surface Vessels

📄 arXiv: 2510.01357v1 📥 PDF

作者: Alejandro Gonzalez-Garcia, Wei Xiao, Wei Wang, Alejandro Astudillo, Wilm Decré, Jan Swevers, Carlo Ratti, Daniela Rus

分类: cs.RO

发布日期: 2025-10-01

备注: IROS 2025

💡 一句话要点

提出基于预测和自适应控制屏障函数的自主水面艇安全运动规划方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自主水面艇 运动规划 模型预测控制 控制屏障函数 安全导航

📋 核心要点

  1. 自主船舶在狭窄水域的安全运动规划面临计算量大和过于保守的挑战。
  2. 该方法结合MPC和CBF，通过自适应调整障碍物膨胀半径，降低保守性并保证安全。
  3. 仿真和实船实验验证了该方法在狭窄空间实时导航和解决死锁方面的有效性。

📝 摘要（中文）

本文提出了一种结合模型预测控制（MPC）和控制屏障函数（CBF）的安全运动规划策略，用于自主船舶在狭窄内陆水道等复杂环境中安全航行。引入了一种时变膨胀椭圆障碍物表示方法，其膨胀半径根据船舶与障碍物之间的相对位置和姿态进行调整。与传统的固定椭圆障碍物公式相比，所提出的自适应膨胀降低了控制器的保守性。MPC解决方案提供了一个近似的运动规划，而高阶CBF利用变化的膨胀半径确保船舶的安全。仿真和真实实验表明，该策略使全驱动自主机器人船能够实时地在狭窄空间中导航，解决潜在的死锁，同时确保安全。

🔬 方法详解

问题定义：自主水面艇在狭窄水域航行时，需要进行安全可靠的运动规划。传统方法要么计算复杂度高，难以实时应用；要么过于保守，导致船舶无法有效利用空间，甚至陷入死锁。因此，如何在保证安全的前提下，实现自主船舶在复杂环境中的高效运动规划是一个关键问题。

核心思路：本文的核心思路是结合模型预测控制（MPC）的全局规划能力和控制屏障函数（CBF）的安全性保障。MPC提供一个初步的运动轨迹，而CBF则作为安全约束，确保船舶在运动过程中不会与障碍物发生碰撞。为了降低CBF的保守性，引入了自适应膨胀的椭圆障碍物表示，根据船舶与障碍物的相对位置和姿态动态调整障碍物的大小。

技术框架：该方法的整体框架包括以下几个主要模块：1) 环境感知模块：负责获取周围环境信息，包括障碍物的位置和形状；2) 障碍物表示模块：将障碍物表示为时变膨胀的椭圆，膨胀半径根据船舶与障碍物的相对状态自适应调整；3) 模型预测控制模块：基于船舶的动力学模型和环境信息，生成一个初步的运动轨迹；4) 控制屏障函数模块：利用高阶CBF，将安全约束嵌入到控制律中，确保船舶在运动过程中满足安全条件；5) 控制执行模块：将计算得到的控制指令发送给船舶的执行机构，实现自主航行。

关键创新：该方法最重要的创新点在于提出了自适应膨胀的椭圆障碍物表示。与传统的固定大小的障碍物表示相比，自适应膨胀可以更精确地描述船舶与障碍物之间的安全距离，从而降低控制器的保守性，提高运动规划的效率。此外，结合MPC和高阶CBF，实现了全局规划和局部安全保障的有效结合。

关键设计：自适应膨胀椭圆的关键在于膨胀半径的计算。膨胀半径是关于船舶与障碍物相对位置和姿态的函数，具体形式需要根据船舶的几何形状和动力学特性进行设计。CBF的设计需要保证其满足一定的条件，例如零超可达集必须包含安全区域。MPC的目标函数通常包括跟踪误差和控制输入的惩罚项，约束条件包括船舶的动力学模型和安全约束。

📊 实验亮点

仿真和实船实验结果表明，该方法能够使自主船舶在狭窄空间中安全、实时地导航，并有效解决潜在的死锁问题。与传统的固定椭圆障碍物表示相比，自适应膨胀显著降低了控制器的保守性，提高了运动规划的效率。虽然论文中没有给出具体的性能数据，但实验结果直观地展示了该方法在复杂环境中的优越性。

🎯 应用场景

该研究成果可广泛应用于自主水面艇的各种应用场景，例如港口物流、内河航运、海洋监测和搜救等。通过提高自主船舶在复杂环境中的安全性和效率，可以降低运营成本，提高作业效率，并减少人为事故的发生。未来，该方法有望推广到其他类型的自主移动机器人，例如无人驾驶车辆和无人机。

📄 摘要（原文）

Safe motion planning is essential for autonomous vessel operations, especially in challenging spaces such as narrow inland waterways. However, conventional motion planning approaches are often computationally intensive or overly conservative. This paper proposes a safe motion planning strategy combining Model Predictive Control (MPC) and Control Barrier Functions (CBFs). We introduce a time-varying inflated ellipse obstacle representation, where the inflation radius is adjusted depending on the relative position and attitude between the vessel and the obstacle. The proposed adaptive inflation reduces the conservativeness of the controller compared to traditional fixed-ellipsoid obstacle formulations. The MPC solution provides an approximate motion plan, and high-order CBFs ensure the vessel's safety using the varying inflation radius. Simulation and real-world experiments demonstrate that the proposed strategy enables the fully-actuated autonomous robot vessel to navigate through narrow spaces in real time and resolve potential deadlocks, all while ensuring safety.