基于人机协作状态的新型触觉接管方法
论文相关信息
本文内容取自[1]。
研究背景与意义
在人工智能技术飞速发展的当下，自动驾驶汽车取得了显著进展。但受技术和法规限制，目前道路上大部分自动驾驶汽车处于 SAE 定义的 2 级和 3 级水平，这意味着人类驾驶员仍需留在控制回路中，当高级驾驶辅助系统（ADAS）必要时，会将控制权交还给驾驶员。
然而，驾驶员在监督过程中容易分心、注意力转移，或是去做与驾驶无关的事，这会导致他们对周围环境的感知能力（即态势感知，SA）下降，严重影响接管的安全性。即便驾驶员认真监督，突然的接管要求也可能让他们做出急促、不当的操作，使车辆不稳定，影响后续手动驾驶。目前常见的商业策略是，一旦发出干预请求（RTI），就要求驾驶员立即接管，哪怕驾驶员的态势感知能力很低，这显然不够安全。
为了解决这些问题，以往研究提出了各种方法。有的把接管过程当作优化问题，有的考虑了人类扭矩对控制转移的影响，还有的探索不同协作状态并调整参数来实现平稳过渡(missing reference)。但以往研究大多只关注车辆的横向控制，并且在处理人机偏好冲突方面存在不足，难以实现真正平稳的控制过渡。
在这样的背景下，本文提出了一种基于人机协作状态的新型触觉接管方法，通过动态调整控制权，保障接管过程的平稳和安全，无论是在人机和谐还是冲突的情况下都能发挥作用，并且兼顾了车辆的横向和纵向控制，进一步提升了安全性。
本文工作
为了实现安全平稳的接管，本文从多个方面展开工作，全文方法框架如图1。在评估驾驶员对驾驶环境的感知能力（态势感知，SA）时，将认知状态和肌肉状态作为关键指标。认知状态反映了驾驶员对周围环境的理解程度，过高或过低的认知负荷都不利于驾驶。研究发现，当驾驶员的认知负荷处于适中水平时，他们对路况的判断和应对能力最佳。
同时，以往研究在评估肌肉状态时存在缺陷，忽略了驾驶员接管瞬间紧张导致的扭矩异常问题。本文则引入扭矩阈值的概念，当驾驶员施加在方向盘上的扭矩超过这个阈值时，对肌肉状态的评估会相应调整。同时，车速不同，合适的扭矩也不同，车速越高，所需的转向角度和扭矩越小。因此，本文设计了随车速变化的扭矩阈值，以此更精准地评估肌肉状态。
在设计人机交互环节，本文采用 2 自由度线性时变自行车模型来描述车辆的运动状态，并使用模型预测控制算法作为控制器。为了让驾驶员在接管前后都能自然地感受车辆控制，研究采用了触觉共享控制技术。简单来说，最终控制车辆的指令是驾驶员和 ADAS 输入的结合，通过调整控制权分配系数，决定驾驶员和 ADAS 在控制中的主导程度。
另外，研究还引入了人机意图相似性评估方法。通过综合考虑驾驶员和 ADAS 施加的扭矩大小、方向，以及方向盘实际位置和预期位置的差异，判断人机协作的状态。根据这些评估结果，人机协作状态被分为四类：
- 状态 I：人机意图相似，驾驶员态势感知高，此时只需平稳过渡控制权。
- 状态 II：人机意图相似，但驾驶员态势感知低，除了平稳过渡横向控制权，车辆还会适当减速，给驾驶员更多反应时间。
- 状态 III：人机存在冲突，不过驾驶员态势感知高，此时应快速将控制权交还给驾驶员，减少 ADAS 的干扰。
- 状态 IV：人机冲突且驾驶员态势感知低，这是最危险的情况，此时要立刻停止横向控制权转移，并让车辆减速，保障安全。
在整个接管过程中，协调器实时监测并评估人机协作状态，根据不同状态及时调整控制策略以及驾驶权限分配。
图1 方法框架图
实验结果
实验方面，使用CARLA 模拟器，选择大曲率弯道作为实验场景。5 名有驾驶经验的参与者，通过专业方向盘与模拟环境互动。
实验结果显示，本文方法优势明显。采用本文方法的实验仅出现 1 起事故，而切换方法导致了 5 起事故。在切换方法的测试中，事故常发生在接管请求发出瞬间，驾驶员可能因紧张而猛打方向盘；或者在控制权刚交回时，驾驶员操作不当引发事故，部分实验轨迹如图2。
图2 部分实验轨迹图
本文方法在人机冲突时能有效保障安全。当驾驶员因紧张操作失误时，系统会通过反向扭矩提示驾驶员，同时调整控制权分配，让车辆转向更接近 ADAS 的规划，并且降低车速。在系统提示下，驾驶员逐渐恢复情景感知，调整操作，车辆控制权也平稳过渡到驾驶员手中，整个接管过程大约 6 秒，接管过程各项指标的细节如图3。
在人机协作和谐的情况下，本文方法表现更出色。接管请求发出后，驾驶员在系统辅助下轻松操作方向盘，控制权平稳转移，车速变化小。随着驾驶员对车辆状态的感知提升，控制权顺利完成交接，整个过程仅需约 4 秒。
图3 冲突情况下的接管过程的各项指标细节
总结和展望
本文提出的新型触觉接管方法，通过创新的设计和策略，有效解决了自动驾驶接管过程中的难题。无论是处理人机冲突，还是在和谐协作场景下，都能实现安全、平稳的控制权转移。本文的工作集中于控制层的融合，在未来可以考虑规划层的人机意图融合，进一步降低人机冲突，增加灵活性，进一步保障驾驶安全。
参考文献
- [1]Y. Zhao, Z. Xie, C. Xu, X. Liang, R. Xia, and J. Li, “A Novel Haptic Takeover Method Based on Human-Machine Collaboration States,” in 2024 14th Asian Control Conference (ASCC), 2024, pp. 362–367.