Approccio integrato alla pianificazione e controllo per veicoli autonomi

Many workers are engaged in nighttime activities that involve driving vehicles under conditions of fatigue and limited visibility, resulting in increased risk. Autonomous driving emerges as a potential solution to these challenges. In this context, the Smart Gas project was developed by the AIDA research group in collaboration with Italgas S.p.A., an innovative initiative aimed at enhancing the safety of workers operating in urban environments during nighttime hours. To allow effective navigation in urban settings, one of the key components of autonomous driving systems is the lateral planning module. The current implementation presents a critical issue: the generated trajectory does not take into account the actual position of the vehicle. This mismatch between the real position and the planned path introduces an error that is currently compensated at the control level. In urban scenarios, where high precision is required, even a small lateral deviation can significantly increase the risk of collision with surrounding obstacles. It is therefore necessary to modify the planning approach by explicitly integrating lateral error information into the trajectory generation process. The proposed solution pursues a dual objective: producing a path with a smooth curvature and minimizing the vehicle deviation from the global plan. The method relies on the formulation of a Quadratic Programming problem to generate the trajectory, while keeping fixed a set of points around the current vehicle position, referred to as the head of the plan, in order to ensure curvature continuity. The system has been validated through experimental simulations conducted on an urban route modelled as a section of the city of Brescia, demonstrating the effectiveness, reliability, and robustness of the approach across varying speeds. The results confirm the system's capability to operate effectively in complex environments, laying a solid foundation for future real-world applications.

Numerosi lavoratori sono impegnati in attività notturne che comportano la guida di veicoli in condizioni di stanchezza e visibilità limitata, con un conseguente aumento del rischio. La guida autonoma si presenta come una possibile soluzione a tali criticità. In questa direzione si inserisce il progetto Smart Gas, sviluppato dal gruppo di ricerca AIDA in collaborazione con Italgas S.p.A., un'iniziativa innovativa volta a incrementare la sicurezza dei lavoratori operanti in contesti urbani durante le ore notturne. Al fine di garantire una navigazione efficace in ambiente urbano, uno degli elementi chiave della tecnologia di guida autonoma è il modulo di pianificazione laterale. L’implementazione attuale presenta tuttavia una criticità rilevante: la traiettoria prodotta non considera la posizione effettiva del veicolo. Questa discrepanza tra posizione reale e percorso genera un errore che, al momento, viene compensato esclusivamente in fase di controllo. In contesti urbani, dove è richiesta un’elevata precisione, un errore laterale non trascurabile può però aumentare significativamente il rischio di collisione con ostacoli circostanti. Si rende quindi necessario una modifica all’approccio di pianificazione, che integri esplicitamente l’informazione sull’errore laterale già in fase di generazione della traiettoria. La soluzione proposta mira a un duplice obiettivo: produrre un piano privo di discontinuità o oscillazioni, e limitare al minimo lo scostamento del veicolo dal piano globale. L’approccio si basa sulla formulazione di un problema di Programmazione Quadratica per la generazione della traiettoria, mantendo fissati un certo numero di punti del piano intorno alla poszione del veicolo, denominati testa del piano, al fine di garantire la continuità della curvatura. Il sistema è stato validato attraverso simulazioni sperimentali condotte su un percorso ispirato a un tratto della città di Brescia, dimostrando la validità, l’affidabilità e la robustezza della soluzione a diverse velocità. I risultati confermano la capacità del sistema di operare efficacemente in ambienti complessi, ponendo solide basi per una futura applicazione in scenari reali.