論文の概要: Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control

• arxiv url: http://arxiv.org/abs/2604.24064v1
• Date: Mon, 27 Apr 2026 05:40:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.755881
• Title: Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control
• Title（参考訳）: モデル予測整合制御を用いた有関節商用車の軌道計画
• Authors: A. J. Aertssen, R. G. M. Huisman, I. J. M. Besselink, J. Elfring, M. J. G. van de Molengraft,
• Abstract要約: 本稿では,自動車,特にトラクタ・セミトララーの軌道計画手法を提案する。 MPCCは旅客車に有効であることが証明されているが、一般的にはトラクター・セミトララーに不適である。
• 参考スコア（独自算出の注目度）: 0.82208199207543
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a trajectory planning method for articulated commercial vehicles, specifically tractor-semitrailers, based on Model Predictive Contouring Control (MPCC). Although MPCC has proven effective for passenger cars, it is generally ill-suited for tractor-semitrailers. These vehicles are significantly larger, the semitrailer follows a different path than the tractor, and reversing maneuvers are unstable and prone to jackknifing. Furthermore, practical driving scenarios often require scenario-dependent prioritization of different vehicle `anchor points', e.g., prioritizing the semitrailer position during docking or the tractor position when parking to charge. Therefore, we extend MPCC to enable scenario-dependent weighting of these anchor points and incorporate explicit road-boundary constraints for the front and rear tractor axles and the semitrailer axle, thereby ensuring that all considered wheels remain within the drivable area. The simulation results demonstrate the successful navigation of a representative logistic scenario in both forward and reverse direction. Furthermore, the influence of the optimization parameters on the trajectories is analyzed, providing insights into controlling the vehicle behavior. Finally, first tests using a full-scale prototype vehicle show the practical applicability of the approach.
• Abstract（参考訳）: 本稿では,MPCC(Model Predictive Contouring Control)に基づく自動車,特にトラクタ・セミトララーの軌道計画手法を提案する。 MPCCは旅客車に有効であることが証明されているが、一般的にはトラクター・セミトララーに不適である。 これらの車両は非常に大きく、セミトレーラーはトラクターとは異なる経路を辿り、逆転の操作は不安定であり、逆転する傾向にある。 さらに、現実的な運転シナリオでは、ドッキング中のセミトレーラー位置や、駐車時のトラクタ位置の優先順位付けなど、異なる車両の「アンカーポイント」をシナリオ依存で優先順位付けする必要があることが多い。 そこで我々は,MPCCを拡張して,これらのアンカーポイントのシナリオ依存重み付けを可能にし,前方および後方のトラクタ軸とセミトレーラ軸に対して明示的な道路境界制約を組み込むことにより,全ての検討された車輪が乾燥領域内に留まることを保証した。 シミュレーション結果は,前方方向と逆方向の両方において,代表的なロジスティックなシナリオのナビゲーションに成功したことを示す。 さらに、最適化パラメータが軌道に与える影響を解析し、車両の挙動を制御するための洞察を与える。 最後に、フルスケールの試作車を用いた最初の試験は、アプローチの実用性を示している。

関連論文リスト

• Hybrid A*-Based Reverse Path-Planning of a Vehicle with Trailer System [0.0]
  本稿では,車両トレーラシステムと衝突回避を考慮したハイブリッドA*アルゴリズムを提案する。 提案手法の新たな特徴の1つは、トレーラーシステムによる車両への適応性であり、システム構成に関して、ジャックナイフインシデントの発生を防止するための、使用可能なステアリング入力の制限が異なることである。
  論文  参考訳（メタデータ） (2026-04-27T15:32:05Z)
• A Lightweight Digital-Twin-Based Framework for Edge-Assisted Vehicle Tracking and Collision Prediction [5.862522659881676]
  本稿では,車両追跡と衝突予測のための軽量なデジタルツインベースフレームワークを提案する。 計算集約型予測モデルを導入するのではなく、車両追跡と衝突予測のための軽量なデジタルツインベースのソリューションを導入する。
  論文  参考訳（メタデータ） (2026-03-07T20:56:04Z)
• FlowDrive: Energy Flow Field for End-to-End Autonomous Driving [50.89871153094958]
  FlowDriveは、物理的に解釈可能なエネルギーベースのフローフィールドを導入し、セマンティックな前提と安全性をBEV空間にエンコードする新しいフレームワークである。 NAVSIM v2ベンチマークの実験では、FlowDriveが最先端のパフォーマンスを86.3で達成し、安全性と計画品質の両方において以前のベースラインを超えたことが示されている。
  論文  参考訳（メタデータ） (2025-09-17T13:51:33Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• Autonomous Navigation of Tractor-Trailer Vehicles through Roundabout Intersections [0.0]
  この研究は、高忠実度シミュレーションソフトウェアCARLAを用いて、トラックおよびトレーラーモデルを開発する。 我々は、異なるラウンドアバウンドで73%の成功率を達成することができる準エンドツーエンドの自動運転モデルを訓練する。
  論文  参考訳（メタデータ） (2024-01-10T07:55:11Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• Integrating Higher-Order Dynamics and Roadway-Compliance into Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
  軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。 既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。 このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
  論文  参考訳（メタデータ） (2023-09-25T22:30:18Z)
• Trajectory Prediction with Observations of Variable-Length for Motion Planning in Highway Merging scenarios [5.193470362635256]
  既存の手法では、2秒以上の一定期間の観測がなければ、車両の予測を開始することはできない。 本稿では,1フレーム以上の観測長を扱うために特別に訓練されたトランスフォーマーを用いた軌道予測手法を提案する。 2つの大規模高速道路軌道データセットを用いて提案手法の総合評価を行う。
  論文  参考訳（メタデータ） (2023-06-08T18:03:48Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring [52.557003792696484]
  本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。 本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
  論文  参考訳（メタデータ） (2020-06-20T11:56:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。