小型聯網自動駕駛車輛和機器人群體測試平台綜述

Concepts de base

小型測試平台為聯網自動駕駛車輛和機器人群體的研究和開發提供了介於模擬和全尺寸實驗之間的關鍵橋樑，本文綜述了這些測試平台的現狀，並探討了其面臨的挑戰。

Résumé

小型聯網自動駕駛車輛和機器人群體測試平台綜述

聯網自動駕駛車輛（CAV）和機器人群體（RSs）具有巨大的潛力，可以提高交通和製造業的安全、效率和可持續性。然而，這些技術的部署需要廣泛的測試和驗證。雖然模擬對於初始測試至關重要，但它們在捕捉現實世界互動的複雜動態方面往往存在局限性。這一點凸顯了小型測試平台的重要性。這些測試平台為測試和驗證算法提供了一個現實的、具有成本效益的和可控的環境，充當了模擬和全尺寸實驗之間的必要橋樑。
本綜述旨在促進研究人員識別適合其實驗的現有小型測試平台，並為那些希望構建自己的測試平台的人提供見解。此外，它還全面概述了這些測試平台的現狀。我們基於眾所周知的感知-規劃-行動範式，推導出測試平台的 62 個特徵，並提供了一個在線表格，根據這些特徵比較了 23 個小型測試平台。該在線表格託管在我們指定的公共網頁上：https://bassamlab.github.io/testbeds-survey，我們邀請測試平台的創建者和開發者為其做出貢獻。
我們在本文中仔細研究了九個測試平台，展示了如何使用推導出的特徵來呈現測試平台。此外，我們還討論了我們發現的關於小型測試平台的三個持續挑戰，即小型到全尺寸的轉換、可持續性以及電力和資源管理。

聯網自動駕駛車輛（CAV）和機器人群體（RSs）可以顯著提高交通和製造業的安全、效率和可持續性。然而，這些技術的部署和整合需要嚴格的測試和驗證，以確保它們在不同的現實世界條件下表現良好。儘管模擬促進了快速測試和驗證，但它們在複製複雜的現實世界條件和不確定性方面存在局限性，導致結果可能不可靠。相比之下，全尺寸實驗雖然提供了可靠的結果，但成本高昂、耗時且難以複製。小型測試平台旨在通過提供具有成本效益和可控的環境來彌合模擬和全尺寸實驗之間的差距。這些測試平台可以用不同的複雜性和逼真度模擬現實世界的場景，以便在不同條件下測試和驗證算法。
在本文中，我們將使用術語“測試平台”來指代小型測試平台，並使用術語“CAV/RS”來表示 CAV 和 RS 的領域。此外，我們將使用術語“代理”來指代 CAV 中的車輛或 RS 中的機器人。
對 CAV/RS 小型測試平台的綜述對於幫助研究人員了解該領域的技術和方法的現狀至關重要。這些綜述促進了知識和經驗的分享，使研究人員能夠在現有基礎上繼續發展，避免重複工作。然而，現有的綜述論文往往缺乏對測試平台特徵的全面性，主要集中在研究領域和某些特徵上。例如，雖然 [1] 全面概述了車輛自組織網絡的模擬器、仿真器和測試平台，但它缺乏對測試平台特定特徵的詳細描述，例如與物理特性和硬件規格相關的特徵。此外，它們可能捕捉了現有測試平台在當時的現狀，但技術水平在不斷發展。這種缺陷阻礙了研究人員就哪些測試平台最能滿足其特定需求和目標做出明智決策，或獲得構建自己的測試平台的見解。
認識到這些局限性，我們認為需要一份新的綜述論文，全面捕捉小型測試平台的最新發展，並擁有一個專門的網站來更新過時的信息。本文旨在提供一個結構化的和最新的概述，詳細說明各種測試平台的功能，並協助研究人員選擇最適合其實驗的測試平台，或傳達見解以供他們構建自己的測試平台。
CAV/RS 領域的進步得益於專注於特定用例的測試平台。每個測試平台都必須滿足不同的要求，才能有效地支持這些用例的開發和測試。採用眾所周知的感知-規劃-行動範式 [2]，我們將這些測試平台的功能組件分為感知、規劃和行動，每個組件都需要特定的測試需求。此外，我們推導出特徵來描述特定需求是否以及如何得到滿足。某些特徵的重要性因研究人員的具體關注點而異。例如，在考慮感知時，有關可用傳感器的信息很重要，因為它描述了可用於定位和物體識別等任務的硬件。相反，對於專注於規劃的研究人員來說，只要代理的當前位置是可訪問的，有關傳感器的信息可能就無關緊要。在這種情況下，代理數量等特徵將成為更重要的因素，因為它會影響規劃算法的複雜性和可擴展性。在行動方面，代理數量等特徵不如執行器硬件重要，後者直接影響代理可以執行的動作的精度和範圍，從而影響其在動態環境中對規劃策略的響應效率。
A. 貢獻
這項工作旨在幫助研究人員，無論他們在 CAV/RS 方面的經驗水平如何，都能快速識別和選擇符合其實驗要求的合適測試平台。它還可以作為那些考慮構建新測試平台的人的資源，突出顯示小型測試平台的基本軟件和硬件注意事項以及持續存在的挑戰。這項工作的貢獻有四方面。

它基於感知-規劃-行動範式推導出小型測試平台的 62 個特徵。
它在專用網頁 [3] 上引入了一個持續更新的在線表格，該表格使用推導出的特徵比較了 23 個現有測試平台 [4]-[26]。
它通過深入探討九個選定的測試平台 [4]-[12] 來詳細說明這些特徵。
它討論了我們發現的關於小型測試平台的三個持續存在的挑戰，即小型到全尺寸的轉換、可持續性以及電力和資源管理，每個挑戰都通過選定測試平台的具體示例進行說明。
這個在線表格 [3] 允許持續貢獻，以保持測試平台信息的最新狀態，從而使使用 CAV/RS 小型測試平台的研究社區受益。此外，我們邀請測試平台的創建者和開發者為在線表格做出貢獻。此外，在線表格還包括並比較了三種市售機器人 [27]-[29]，這些機器人在構建 RS 測試平台中得到廣泛採用。圖 1 展示了在線表格中包含的一些測試平台的拼貼畫。圖 2 顯示了託管在線表格的網頁的屏幕截圖。
B. 相關工作
Caleffi 等人最近的一篇綜述 [30] 總結了有關 CAV 測試平台的現有文獻。雖然它確定了趨勢，例如出版物的近期增長和對軟件的主要關注，但它沒有進行比較分析。儘管有各種綜述對測試平台進行了分類，但仍然缺乏統一和詳細的比較分析，特別是針對最近的發展。最近的一篇比較論文可以追溯到 2013 年 [31]，其中作者重點關注 RS，並主要描述了兩種對測試平台進行分類的方法。第一種方法是按複雜程度分類，區分為 (i)“非集成”，例如多機器人測試平台，(ii)“部分集成”，例如具有傳感器網絡的多機器人測試平台，以及 (iii)“高度集成”，例如聯合測試平台。在這種情況下，集成是指測試平台環境中不同組件或子系統之間的協調和組合水平。第二種方法是根據 (i) 支持的實驗範圍（應用驅動、功能驅動和通用），(ii) 架構靈活性，(iii) 測試平台的目標用戶，(iv) 測試平台實驗與最終應用之間的接近程度，以及 (v) 測試平台在實際部署中的使用（例如工業場所和城市環境）進行分類。然而，這兩種方法都只是在相當抽象的層面上描述了測試平台，沒有充分描述詳細的特徵。
最近的研究已經開始通過調查小型代理的最新發展來解決這些缺點。例如，[32] 全面概述了小型汽車自動駕駛的最新發展，涵蓋了廣泛使用的小型 CAV 測試平台、自動駕駛任務（例如定位、車道保持和避碰）以及常用傳感器及其應用場景等方面。我們注意到，最近討論小型測試平台的論文通常在其相關工作部分中包含比較測試平台的表格。然而，這些表格在涵蓋的測試平台和提供的詳細程度方面差異很大。例如，[32] 和 [33] 中的表格都包含有關傳感器、計算單元、代理動力學和模擬平台的信息。[33] 中的表格還提供了有關成本、V2X 支持和 API 支持的詳細信息，而 [32] 中的表格則包含有關代理大小、軟件平台以及測試平台是開源還是商業化的信息。
為了解決文獻中觀察到的冗餘問題並統一現有的零散信息，我們旨在提供一個相對全面、最新的在線表格，用於比較現有的 CAV/RS 測試平台。為了保持信息的相關性和準確性，我們承諾定期更新我們的在線表格 [3]。該在線表格目前包含 23 個不同的測試平台。出於本文討論的目的，我們選擇了九個測試平台進行更詳細的介紹：網絡物理移動實驗室（CPM Lab）[4]、F1TENTH [5]、Robotarium [6]、IDS3C [7]、劍橋迷你車 [8]、Duckietown [9]、CHARTOPOLIS [10]、增強現實 Kilobots（ARK）[11] 和 Kilogrid [12]。選擇這些測試平台基於兩個因素。首先，共同作者作為這些測試平台的開發者或創建者，對它們非常熟悉。其次，這些測試平台表現出不同的特徵，為感知-規劃-行動範式提供了不同的見解。這種多樣性對於在不同環境和應用中全面分析該範式至關重要。請注意，我們將在線表格視為本文的活動部分。因此，在本文的印刷版或數字版中缺少其他測試平台並不意味著它們的重要性低於選定的測試平台。相反，所選的測試平台非常適合說明本文中討論的具體觀點和分析。
在 23 個選定的測試平台中，只有 7 個是 RS 測試平台，即 [6]、[11]、[12]、[16]、[18]、[21]、[25]。為了平衡這種不均衡，我們在在線表格 [3] 中添加了三個群體機器人。儘管它們不是測試平台，但它們已被廣泛用於開發 RS 測試平台，並且在開發新的 RS 測試平台方面具有巨大潛力。這些機器人是 Khepera [27]、[34]、e-Puck [28]、[35] 和 Kilobot [29]、[36]。
我們還在在線表格中列出了 NVIDIA 機器人之一 NVIDIA JetBot，它被廣泛用於 CAV 研究和教育。在以下部分中，我們將討論從感知-規劃-行動範式中推導出的特徵。

Idées clés tirées de

A Survey on Small-Scale Testbeds for Connected and Automated Vehicles and Robot Swarms

by Armi... à arxiv.org 11-22-2024

https://arxiv.org/pdf/2408.14199.pdf

Questions plus approfondies

小型自動駕駛測試平台的軟體架構設計有哪些考量？

小型自動駕駛測試平台的軟體架構設計需要考量以下幾個方面：

可擴展性 (Scalability): 測試平台需要能夠處理不同數量的代理 (agent)，並隨著系統規模的擴展保持性能。分佈式計算 (Distributed Computation) 架構可以有效地解決這個問題，例如 CPM Lab 和 Duckietown 採用每個代理都有獨立計算單元的方式。
即時性 (Real-time Performance): 自動駕駛系統需要對環境變化做出快速反應，因此軟體架構需要保證低延遲和高吞吐量。
模組化 (Modularity): 模組化設計可以將系統分解成獨立的組件，方便開發、測試和維護。例如，Duckietown 採用容器化 (Containerization) 架構，將系統功能劃分到不同的容器中。
互通性 (Interoperability): 測試平台應該採用標準化的接口和協議，以便與不同的硬體、軟體和算法兼容。例如，許多測試平台都採用了 ROS (Robot Operating System) 或 DDS (Data Distribution Service) 等標準框架。
可移植性 (Portability): 軟體架構應該易於移植到不同的硬體平台和操作系統上，以便於研究人員共享和復現實驗結果。
安全性 (Security): 測試平台需要考慮安全性問題，例如數據加密、訪問控制和系統穩定性，特別是像 Robotarium 這樣的遠程訪問平台。
一些常用的軟體架構設計模式包括：

分層架構 (Layered Architecture): 將系統功能劃分到不同的層次，例如感知層、決策層和控制層。
客戶端-服務器架構 (Client-Server Architecture): 將系統功能劃分到客戶端和服務器，客戶端負責發送請求，服務器負責處理請求並返回結果。
發佈-訂閱架構 (Publish-Subscribe Architecture): 將系統功能劃分到發佈者和訂閱者，發佈者發送消息，訂閱者接收感興趣的消息。
選擇合適的軟體架構設計模式需要根據具體的應用場景和需求進行權衡。

小型自動駕駛測試平台如何模擬真實世界的交通狀況和環境？

小型自動駕駛測試平台通過以下幾個方面模擬真實世界的交通狀況和環境：

交通基礎設施 (Traffic Management Infrastructure): 測試平台可以搭建道路網絡、交通標誌、交通信號燈等基礎設施，例如 Duckietown 和 CHARTOPOLIS 都配備了交通標誌和交通信號燈來模擬城市交通環境。
環境佈置 (Surroundings): 測試平台可以通過佈置建築物、樹木、草坪等元素來模擬真實世界的環境，例如 IDS3C、Duckietown 和 CHARTOPOLIS 都在環境佈置上下了功夫，以增加測試的真實性和複雜性。
移動障礙物 (Moving Obstacles): 測試平台可以引入行人、自行車等移動障礙物，例如 F1TENTH、IDS3C 和 CPM Lab 都可以模擬行人等移動障礙物，以測試動態避障算法。
虛擬環境 (Virtual Environment): 一些測試平台，例如 Kilogrid 和 ARK，通過增強現實技術 (Augmented Reality) 為機器人創建虛擬環境，例如虛擬的信息素軌跡、梯度感知和覓食任務，以擴展測試平台的功能。
人類駕駛員模擬 (Human Driver Emulation): 一些測試平台，例如 IDS3C，配備了駕駛員模擬器，可以模擬人類駕駛行為，並研究人類駕駛車輛與自動駕駛車輛之間的交互。
通過結合以上幾個方面的技術，小型自動駕駛測試平台可以為自動駕駛算法的開發和測試提供一個安全、可控、可重複的環境。

小型自動駕駛測試平台的未來發展趨勢有哪些？

小型自動駕駛測試平台的未來發展趨勢包括：

更逼真的環境模擬 (More Realistic Environment Simulation): 未來的測試平台將更加注重環境模擬的真實性，例如引入更複雜的交通狀況、更精細的環境模型以及更真實的傳感器數據模擬。
虛擬與現實的融合 (Integration of Virtual and Real): 虛擬現實技術和混合現實技術將被廣泛應用於測試平台，例如通過虛擬環境擴展測試場景、通過虛擬傳感器增加測試功能以及通過虛擬代理與真實代理進行交互。
多代理協同測試 (Multi-Agent Collaborative Testing): 未來的測試平台將更加注重多代理協同測試，例如支持不同類型代理的交互、支持大規模代理的協同控制以及支持人類代理與機器代理的混合協同。
數據驅動的測試 (Data-Driven Testing): 未來的測試平台將更加注重數據驅動的測試，例如利用真實世界數據訓練和驗證算法、利用數據分析工具評估算法性能以及利用數據可視化工具展示測試結果。
標準化和模塊化 (Standardization and Modularity): 未來的測試平台將更加注重標準化和模塊化，例如採用標準化的接口和協議、開發可重用的組件和模塊以及構建開放的測試平台生態系統。
總之，小型自動駕駛測試平台將朝著更加智能化、自動化、虛擬化和數據化的方向發展，為自動駕駛技術的快速發展和安全部署提供更加強大的支撐。