Avances en Técnicas de Teleoperación de Vehículos

La Teleoperación de vehículos permite a la gente controlar autos desde lejos, lo que puede ser muy útil en situaciones donde los vehículos autónomos (AVs) enfrentan problemas. Este método se puede aplicar en áreas como la entrega de paquetes, ayudar a conductores remotos o realizar operaciones en entornos riesgosos. Sin embargo, hay dos problemas principales que pueden afectar la teleoperación: los Retrasos en la red y la falta de conciencia sobre el área circundante. Estos problemas pueden dificultar que los operadores controlen los vehículos de manera efectiva.

Para abordar estos desafíos, hemos creado un nuevo método llamado seguimiento de posiciones de referencia sucesivas (SRPT). En lugar de enviar comandos, como dirigir o frenar, al vehículo, SRPT le proporciona una serie de posiciones objetivo a seguir. Este documento analiza qué tan bien funciona SRPT en comparación con un método tradicional conocido como el predictor de Smith, especialmente en situaciones difíciles.

#Resumen de la Teleoperación de Vehículos

La teleoperación es cuando un conductor controla un vehículo desde lejos. Se puede hacer usando métodos cableados o inalámbricos. Esto es especialmente importante para los AVs, que a veces pueden alcanzar límites operativos que requieren intervención humana. Cuando eso sucede, la teleoperación permite que el vehículo sea dirigido de manera segura hasta que pueda operar completamente por su cuenta otra vez.

La teleoperación puede ser beneficiosa en muchas industrias, incluyendo taxis autónomos, teleoperación de maquinaria industrial, respuesta a desastres y operaciones militares. Sin embargo, hay desafíos que superar, como cómo los humanos interactúan con las máquinas, la conciencia limitada del entorno, retrasos en la comunicación y problemas para mantener el control del vehículo. Nuestro enfoque principal es reducir el impacto negativo de los retrasos de la red para mejorar la estabilidad, seguridad y efectividad general de la teleoperación.

#Desafíos en la Teleoperación

Los retrasos en la red pueden obstaculizar cuán rápido y con qué precisión los operadores pueden controlar un vehículo. Si hay retrasos significativos, los operadores pueden sobrecorregir sus acciones, lo que lleva a problemas en el control del vehículo. Con el tiempo, se han desarrollado diferentes métodos de teleoperación de vehículos. Estos incluyen:

• Control Directo: Los operadores envían comandos directamente, lo que puede llevar a una menor conciencia y retrasos.
• Control Compartido: Un sistema dentro del vehículo asiste al operador, pero aún experimenta retrasos.
• Guía de Trayectoria: El vehículo sigue un camino preestablecido sin verse afectado por retrasos, pero los ajustes en tiempo real son difíciles.
• Planificación de Caminos Interactiva: El vehículo calcula el mejor camino según lo que siente, pero requiere sistemas de percepción funcionales.
• Modificación de Percepción: Los operadores ayudan a identificar obstáculos, pero esto depende mucho del sistema de percepción automatizado.

La mayoría de estos métodos dependen de los sistemas automatizados del vehículo. Si esos sistemas fallan, la teleoperación podría volverse imposible. Por lo tanto, es crucial asegurarse de que la teleoperación pueda operar independientemente de esos sistemas automatizados.

#Investigaciones Previas

En estudios anteriores, introdujimos el método SRPT, que envía posiciones de referencia a un vehículo a una tasa regular mientras el operador monitorea el estado actual del vehículo. Luego, el vehículo ajusta su movimiento en consecuencia. Este enfoque híbrido combina las fortalezas del control directo y los sistemas de ruta guiada.

#El Enfoque SRPT

Este documento se centra en evaluar el rendimiento de SRPT frente al método tradicional del predictor de Smith. El predictor de Smith utiliza un modelo para estimar dónde debería estar el vehículo, a pesar de los retrasos. Incluye dos tipos de modelos de conductor para controlar el vehículo: el modelo Lookahead y el modelo Stanley.

Realizamos simulaciones sobre cómo se desempeñan ambos métodos, considerando diferentes desafíos como retrasos variables y velocidad. Los escenarios de prueba involucraron giros cerrados, slaloms, caminos resbaladizos y vientos fuertes. Los resultados indicaron que el método SRPT generalmente logra un mejor rendimiento que el predictor de Smith, especialmente ante condiciones de conducción desafiantes.

#Características Clave de los Retrasos en la Red

Al controlar un vehículo a través de una red, hay dos tipos de retrasos:

1. Retraso de Enlace Descendente: Este es el tiempo que tardan las imágenes y señales en llegar al controlador.
2. Retraso de Enlace Ascendente: Este es el tiempo entre el envío de comandos por parte del operador y el momento en que esos comandos tienen efecto en el vehículo.

Ambos tipos de retrasos pueden variar según las condiciones de la red.

#Predictor de Smith

El predictor de Smith proporciona una forma de ajustar los comandos de control prediciendo los estados del vehículo. Intenta superar los retrasos al estimar dónde debería estar el vehículo, permitiendo que el operador actúe como si estuviera en control en tiempo real. Los modelos de conductor utilizados en este método ayudan a lograr un control más suave incluso cuando se enfrentan a retrasos.

El modelo de conductor Lookahead imita cómo un humano dirigiría según un punto objetivo próximo. El modelo de conductor Stanley hace lo mismo, pero se enfoca en mantener el vehículo alineado correctamente con su trayectoria prevista.

#Método SRPT en Detalle

En el enfoque SRPT, en lugar de dar comandos de dirección directos, el operador envía posiciones de referencia para que el vehículo las tome como objetivo. Luego, el vehículo calcula cómo ajustar su dirección y velocidad para alcanzar estas posiciones. Este método le permite tener en cuenta cualquier retraso, manteniendo un funcionamiento más suave sin importar la velocidad de la red.

El decisor de posición de referencia ayuda a determinar a dónde debería apuntar el vehículo basándose en su posición actual y la trayectoria prevista. Esto permite que el vehículo calcule movimientos futuros mientras considera su estado actual. En pruebas, este enfoque ha mostrado minimizar errores y mejorar el rendimiento general en comparación con los modelos tradicionales.

#Configuración de Simulación

Para evaluar ambos métodos de teleoperación, creamos un entorno de simulación combinando Simulink y Unity3D. Esta configuración nos permite visualizar los movimientos del vehículo mientras aplicamos varios retrasos de red. El vehículo simulado está modelado para parecerse a un vehículo de pasajeros típico, y diferentes escenarios ponen a prueba la respuesta del vehículo bajo diversas velocidades y condiciones.

La simulación involucró una pista de prueba con ocho secciones, cada una con diferentes desafíos a navegar. Estos incluían esquinas agudas, slaloms y respuesta a vientos fuertes.

#Resultados y Discusión

Los resultados de las simulaciones indicaron que SRPT generalmente superó al predictor de Smith en la mayoría de los escenarios probados. Incluso con retrasos variables, SRPT mostró menos desviación del camino previsto. Esto sugiere que es más efectivo para manejar retrasos de red que el enfoque tradicional del predictor de Smith.

En las curvas y condiciones difíciles, la capacidad de SRPT para adaptar la velocidad del vehículo ayudó a mantener un mejor control y redujo errores. En contraste, el predictor de Smith luchó bajo condiciones similares debido a su dependencia de predecir la respuesta del vehículo, lo que llevó a errores más grandes.

Si bien el predictor de Smith mejoró el rendimiento en ciertos aspectos, no pudo igualar la robustez de SRPT, especialmente en entornos de alta presión con vientos fuertes o caminos resbaladizos.

#Conclusión

El enfoque SRPT para la teleoperación de vehículos presenta una alternativa prometedora a los métodos tradicionales. Al centrarse en transmitir posiciones objetivo en lugar de comandos directos, mitiga efectivamente los impactos negativos de los retrasos en la red. En general, los resultados de la simulación confirman que SRPT ofrece un movimiento del vehículo más suave y preciso, particularmente en escenarios desafiantes.

De cara al futuro, es necesario realizar pruebas en el mundo real para validar estos hallazgos fuera de un entorno controlado. El trabajo futuro explorará el desarrollo de un estimador de estado para mejorar aún más la aplicación práctica de SRPT en configuraciones de teleoperación del mundo real.