这篇文档属于类型a（单篇原创研究报告）。以下是详细的学术报告：

一、作者与发表信息

本研究由Wenxian Wang（北京航空航天大学自动化科学与电气工程学院/第七研究室）、Deyuan Meng（北京航空航天大学自动化科学与电气工程学院/CNS/ATM国家重点实验室/第七研究室）、Nan Xiang（北京航空航天大学沈元荣誉学院）和Kaiquan Cai（北京航空航天大学电子信息工程学院/CNS/ATM国家重点实验室）合作完成，发表于IEEE Transactions on Control Systems Technology期刊，接收日期为2025年8月29日，论文标题为《Cooperative Planning and Following Control for Autonomous Vehicle Formations via Historical Path Updates》。

二、学术背景

研究领域与动机

本研究属于自动驾驶车辆编队控制领域，聚焦协同规划（cooperative planning）与跟随控制（following control）两大核心问题。自动驾驶编队技术通过优化车辆间距和速度一致性，可提升道路容量并降低能耗，但在复杂环境（如弯道或障碍物场景）中，传统方法难以兼顾被动跟随（passive following）与主动避障（active obstacle avoidance）需求。尤其是当领航车（leader）未来路径未知时，跟随车（follower）需依赖历史路径更新策略实现灵活控制。

关键背景知识

1. 编队控制方法：包括基于虚拟结构（virtual structure）的刚性编队、PD型协同自适应巡航控制（cooperative adaptive cruise control）等，但均无法同时解决动态避障与路径平滑性问题。
   
2. 路径规划算法：快速探索随机树（RRT*）因其渐进最优性（asymptotically optimal）被广泛应用于局部路径规划。
   
3. 模型预测控制（MPC）：擅长处理多约束优化问题，但传统MPC在横向编队控制中因未来路径未知而面临挑战。
   

研究目标

提出一种分布式框架，结合历史路径更新策略和RRT*规划器，实现：
1. 线性与三角编队配置下的稳定跟随；
2. 复杂环境中自主避障与编队形态切换。

三、研究流程与方法

1. 系统框架设计

研究采用分层架构：
- 上层规划层：基于RRT*算法生成无碰撞路径，结合B样条（B-spline）平滑处理。
- 下层控制层：设计线性时变MPC（LTV-MPC）跟踪参考轨迹。

2. 关键技术流程

（1）历史路径变换与局部参考生成
- 路径变换技术：将领航车历史路径按固定横向距离（$l_d$）偏移，生成跟随车参考路径（公式2）。例如，三角编队中，外侧车道车辆需加速以保持编队形态。
- 速度跟随策略：通过路径距离比例动态调整参考速度（公式3），确保速度一致性。

（2）LTV-MPC控制器设计
- 误差模型：基于运动学模型（公式1）构建状态误差的线性时变系统（公式6）。
- 优化问题：以预测时域$n_p=10$最小化跟踪误差，约束包括输入限幅（如转向角$δ_i∈[−0.3,0.3]$ rad）及终端稳定性条件（附录A）。

（3）分段更新避障规划
- 场景分类：根据可通行区域宽度分为充足与受限两类（图1）。
- *充足场景*：采用RRT*生成避障路径，分段更新目标点以补偿领航车未来路径未知性（公式8）。
- *受限场景*：编队切换为线性形态通过狭窄区域，利用扩展点（$x{ei}, y{ei}$）保证路径连续性（图6）。
- 可行性条件：定理2给出路径更新的角度容限（$|Δφ_m|≤μ$）与编队配置约束（如$d_h≥0.5d_s$）。

（4）实验验证
- 仿真平台：Carla环境中测试直线、弯道、避障等场景，采样周期$T_s=0.1$ s。
- 实物实验：三车编队（两辆四轮车+一辆履带车）基于GNSS/INS定位与激光雷达避障，控制频率10 Hz。

四、主要结果

1. 被动跟随性能
   

• 线性编队：相比CTP策略（文献13），横向误差（LAE）降低30%（图11）。
  
• 三角编队：路径变换技术使横摆角（yaw angle）变化平滑，纵向误差（LOE）牺牲约15%以换取稳定性（图12）。
  

1. 主动避障效果
   

• 单障碍物场景：分段更新策略减少路径振荡，RRT*规划时间仅0.1秒（表I）。
  
• 狭窄通道场景：编队变换成功率100%，满足宽度条件$s≤2d_l+2d_h \tan μ$（定理2）。
  

1. 鲁棒性验证
   

• 在5米初始位姿误差、5秒通信中断等扰动下，编队仍能完成巡逻任务（图15）。
  

五、结论与价值

科学价值

1. 提出首个融合历史路径更新与RRT*的编队控制框架，解决了未来路径未知下的横向控制难题。
   
2. 定理1-2为分段更新策略提供了严格的可行性条件，可扩展至无人机、无人船等异构编队。
   

应用价值

1. 城市物流：多车编队可提升狭窄道路通过效率。
   
2. 军事巡逻：三角编队的避障能力适合复杂地形任务。
   

六、创新亮点

1. 方法新颖性：
   
   • 历史路径变换技术首次将编队几何约束转化为平滑跟踪问题。
     
   • 分段更新策略填补了跟随任务中未来路径信息的缺失。
     
2. 实验全面性：涵盖仿真（Carla）与实物平台，验证了算法在动态扰动下的鲁棒性。
   

七、其他亮点

1. 可扩展性：通过编队分解策略（图17），框架支持菱形、V形等复杂编队。
   
2. 开源潜力：算法基于ROS/IPopt实现，代码结构易于移植。
   

（全文约2000字）