论文精读｜Anti-rollover APF — 用五自由度动力学 + 侧翻排斥势场，让重卡规划阶段就避开翻车

📄 论文信息

项目	内容
标题	Anti-rollover Artificial Potential Field Motion Planning Method of an Autonomous Heavy Truck Optimised by Game Theory
作者	Zhilin Jin（金志龙）、Shaowei He（何少伟）
单位	同济大学（Tongji University，据公开信息，作者单位为车辆工程相关院系；具体院系以原文署名页为准）
期刊	Chinese Journal of Mechanical Engineering（机械工程学报英文版，CJME）
发表	Volume 37, Article number 95, 2024；接收 2024-07-22，在线发表 2024-08-23
DOI	https://doi.org/10.1186/s10033-024-01073-x
关键词	Autonomous heavy truck、Motion planning、Anti-rollover、Artificial potential field、Game theory
开源	开放获取（Open Access），可下载 PDF

一句话概括：这篇论文给自动驾驶重卡的运动规划加了一道「侧翻排斥力」——它用五自由度动力学模型实时算出车辆离翻车还有多远（侧翻指标 RI），再把这个指标做成人工势场里的一道「排斥墙」，配合传统避障势场，用 MPC 在规划时就既躲开障碍物、又躲开「会翻车的状态」，最后用博弈论自动调好两种势场的权重。

说明：本文核心信息（作者、期刊、5-DOF 模型含纵向/横向/横摆/簧上侧倾/簧下侧倾、APF 势场设计、MPC + 博弈论框架、LTR 与 RI 验证误差约 1.5%）均来自论文公开摘要、正文片段与摘要页，真实可靠。个别公式的具体编号与常数以原文为准，文中用「约」「即」等措辞处为对公开信息的合理转述。

🤔 为什么这篇论文值得一个刚入行的 VLA 工程师读？

当下端到端、VLA、世界模型是显学，大家讨论的多是「怎么让模型输出更平滑的轨迹」「怎么在 nuScenes 上刷分」。但如果你把同样的思路直接搬上重卡（semi-truck / heavy truck），会踩一个大坑：乘用车时代「不撞=安全」的假设，在重卡上直接失效。重卡重心高、载重大，一个在轿车身上只是「压线急转」的操作，在重卡身上可能直接把车甩翻。侧翻（rollover）是重卡致死事故的主因之一，而它和「有没有撞到东西」几乎是正交的两个安全维度。

这篇 2024 年的 CJME 论文不玩大模型，它把问题钉死在一个非常工程、非常落地的点：在运动规划（motion planning）这一层，就把侧翻风险当成第一等公民来约束，而不是等下游控制器去「擦屁股」。对想做重卡 / 商用车自动驾驶的工程师，这种「动力学约束前置到规划层」的思路非常值得借鉴。

🔧 先讲清楚几个名词（小白友好版）

动手读论文前，先把反复出现的词用大白话过一遍，后面就不会卡壳。

侧翻（Rollover）：车辆绕纵轴（车头指向车尾的那根轴）翻倒，比如急转弯时外侧车轮离地、整辆车向侧面掀翻。对重卡来说，这是比追尾更致命的事故形态。
重心高（High Center of Gravity, CG）：重卡拉着货，质心离地面远。重心越高，同样大小的侧向力（转弯离心力）就越容易把车「掀」起来。
离心力（Centripetal / Lateral Force）：转弯时车其实在被迫做圆周运动，需要向圆心的力；在车里的人感觉到的「往外甩」的力就是离心力。车速越快、转得越急，这个力越大，侧翻风险越高。
DOF（Degree of Freedom，自由度）：描述一个刚体在空间里怎么动，需要几个独立坐标。比如平动有前后/左右/上下 3 个，转动有俯仰/横摆/侧倾 3 个，共 6 个。车辆模型会按需求「砍掉」一些自由度来简化。
LTR（Lateral Transfer Ratio，横向载荷转移率）：衡量左右两侧车轮承重差距的指标。它越接近 1（或 -1），说明左右载荷几乎全压到一边，另一侧车轮快离地了——也就是快翻了。下文会给出公式。
人工势场法（Artificial Potential Field, APF）：一种经典运动规划思想。把目标点设成一个「吸引力井」（越靠近目标势能越低），把障碍物设成「排斥山」（越靠近障碍势能越高），然后让车像小球滚坡一样沿势能梯度往下走，自然就到了目标又避开了障碍。
MPC（Model Predictive Control，模型预测控制）：一类控制/规划算法。它用一个车辆模型，在每个时刻「往前预测一小段未来」，解一个优化问题选出当前最优动作，然后只执行第一步，下一时刻再重算。擅长处理多约束（比如「不能侧翻」「不能撞」）。
簧上质量 / 簧下质量（Sprung / Unsprung Mass）：悬挂弹簧「上面」的车身、货箱叫簧上质量；弹簧「下面」的车轮、车轴叫簧下质量。重卡侧倾时，这两部分会各自以不同幅度左右摇摆，所以不能只当一个整体。

💥 背景：重卡侧翻，为什么是规划层必须管的事？

传统规划的盲区

绝大多数自动驾驶运动规划（无论是采样、搜索还是优化）在评估一条轨迹「好不好」时，看的是：

离障碍物够不够远（碰撞约束）
离全局路径偏不偏（跟踪误差）
舒不舒服、平不平滑（ jerk / 加速度约束）

这些约束本质上都在回答一个问题：会不会撞？ 但在重卡场景里，还有一个被严重忽视的维度：这辆车在这样的速度、这样的转向、这样的载荷下，会不会自己翻了？

为什么重卡特别容易翻

用生活经验类比：你端着一碗满的水急转弯，水会往外侧泼；你头顶顶着一摞高高的书急转弯，书会比手里的杯子更容易倒。重卡就是那个「头顶高书」的选手：

重心高：满载货箱后质心离地可能 2 米以上，远大于轿车。重心越高，侧向力产生的「翻倒力矩」越大。
质量大、惯性大：重卡总质量动辄几十吨，转弯需要的向心力巨大；一旦速度没控制好，离心力很容易超过轮胎能提供的侧向抓地力上限。
载荷会转移：转弯时车会向外侧侧倾，内侧车轮承重变小、外侧变大。当内侧车轮几乎不承重（载荷全跑到外侧），车辆就到了侧翻临界点。
挂车/货箱耦合：半挂重卡还有挂车自由度，主车侧倾会带动挂车摆动，进一步放大失稳。

论文把这件事说得很直白：重卡侧翻会导致车辆失稳，严重时会引发重大交通事故、巨额财产损失甚至危及生命。所以在做运动规划时，就必须把侧翻动力学考虑进去，而不是等车已经侧倾了再让底盘控制去救。

🧮 重卡侧翻机理：离心力怎么把车掀翻的

想象一辆车以速度 $v$ 沿半径 $R$ 的弯行驶，它需要的向心加速度是 $a_y = v^2 / R$，方向指向圆心。在车身坐标系里，乘员感觉到的就是大小为 $m a_y$ 的离心力（往外甩），其中 $m$ 是质量。

这个向外甩的力作用在重心高度 $h$ 处，会产生一个绕「车与地面接触线」的翻倒力矩 $M_{\text{roll}} = m a_y h$。与此同时，重力 $mg$ 提供「把车按回地面」的恢复力矩 $M_{\text{restore}} = mg \cdot (T/2)$，其中 $T$ 是轮距（左右轮间距）。

当离心翻倒力矩超过恢复力矩时，内侧车轮离地，车开始翻：

$$ m a_y h > m g \frac{T}{2} \quad \Rightarrow \quad a_y > \frac{g T}{2 h} $$

右边的 $g T / (2h)$ 就是「静态侧翻阈值加速度」：重心越高（$h$ 大）、轮距越窄（$T$ 小），阈值越低，越容易翻。这正是重卡天生危险的结构原因。

真实情况比这复杂：悬挂会侧倾、轮胎有侧向刚度、路面有超高/侧坡、载荷会动态转移。所以论文用动力学模型 + LTR 来精确刻画，而不是只看这个静态阈值。

🚚 5-DOF 重卡动力学模型：到底含哪 5 个自由度

论文明确写明，其 5-DOF 模型包含以下自由度（引自摘要与第 2 节描述）：

纵向运动（Longitudinal motion）：沿车头指向方向的前后平动，状态变量通常是纵向速度 $u$ 或纵向位移 $X$。
横向运动（Lateral motion）：垂直于车头方向的左右平动，状态变量通常是横向速度 $v$ 或横向位移 $Y$。对应上面「离心力把车往外甩」的那个方向。
横摆运动（Yaw motion）：车辆绕垂直地面轴的转动，也就是「车头转向、车尾摆动」的航向变化，状态变量是横摆角 $\psi$ 与横摆角速度 $r$。
簧上质量侧倾运动（Sprung mass roll motion）：车身上半部分（车身 + 货箱）绕纵轴的左右侧倾摆动，状态变量是侧倾角 $\phi_s$ 与侧倾角速度 $\dot{\phi}_s$。这是侧翻最直接的体现——车身歪了。
簧下质量侧倾运动（Unsprung mass roll motion）：车轮/车桥那一部分绕纵轴的侧倾摆动，状态变量是侧倾角 $\phi_u$ 与侧倾角速度 $\dot{\phi}_u$。把簧上和簧下拆开，是为了更真实刻画悬挂的变形和轮胎受力。

注意：这里没有把「垂向（上下）运动」单独列成一个自由度，也没有列挂车的独立自由度（挂车相关自由度在部分重卡侧倾文献里会出现，但本篇的 5-DOF 明确是上述五项）。5 个自由度刚好覆盖「平动 2 + 转动 3（横摆 + 簧上侧倾 + 簧下侧倾）」，比常见的 3-DOF 自行车模型（纵向 + 横向 + 横摆）多了两个侧倾自由度，专门为了算侧翻。

模型大致长什么样

基于达朗贝尔原理（D’Alembert），论文对这 5 个自由度列出动力学微分方程。我们不需要把每个方程抄出来，但要理解结构：它把轮胎侧向力、悬挂侧倾刚度/阻尼、离心惯性项耦合进一个状态空间。简化示意（非原文逐字，仅表达耦合结构）：

$$ \dot{x} = f(x, u_{\text{ctrl}}) $$

其中状态向量大致为：

$$ x = [u,\ v,\ r,\ \phi_s,\ \dot{\phi}_s,\ \phi_u,\ \dot{\phi}_u]^T $$

控制输入是转向角 $\delta$ 与纵向力（加速/制动）$F_x$ 之类。由这个模型，论文推导出一个侧翻指标 RI（Rollover Index），用来度量当前状态离侧翻多远。

📐 LTR 与侧翻判据：怎么才算「快翻了」

LTR 定义与公式

行业最常用的侧翻判据是 LTR（Lateral Load Transfer Ratio，横向载荷转移率）。它的物理含义是：左右两侧车轮垂直载荷之差，除以两侧垂直载荷之和。

$$ LTR = \frac{F_{z,L} - F_{z,R}}{F_{z,L} + F_{z,R}} $$

中文解释：

$F_{z,L}$：左侧（left）两个车轮总的垂直地面反力（承载重量）。
$F_{z,R}$：右侧（right）两个车轮总的垂直地面反力。
分子是「左右载荷差」，分母是「总载荷」。

边界含义：

$LTR = 0$：左右载荷完全均匀，最稳。
$LTR = 1$：左侧载荷为 0、右侧扛下全部重量，意味着左侧车轮已完全离地——这就是侧翻临界（实际常取 $|LTR|$ 接近 1 为临界，或取一个安全阈值如 0.8）。
$LTR = -1$：反之，右侧离地。

所以侧翻约束可以写成：

$$ |LTR| \le LTR_{\text{th}} $$

其中 $LTR_{\text{th}}$ 是安全阈值（比如 0.8 ～ 1.0，具体由车辆结构与法规定）。规划/控制只要保证全程 $|LTR|$ 不越线，就从指标意义上「不会翻」。

实践中直接测左右垂直载荷很难，所以 LTR 常借助 3-DOF 侧倾模型、用可测的横向加速度 $a_y$、侧倾角速度 $\dot{\phi}$、重心高度 $h_{cg}$、轮距 $B$、侧倾刚度等参数换算（这也是很多文献把 LTR 表达成 $a_y, h, B, \phi$ 的函数的原因）。论文里用 5-DOF 模型推导出的 RI 与 LTR 在稳态下做了对比验证。

论文的 RI 与 LTR 验证

论文用所建 5-DOF 模型算出一个侧翻指标 $RI$，并和经典 $LTR$ 在相同工况下对比。公开结果显示：稳态下 $LTR \approx -0.285$，$RI \approx -0.288$，误差约 1.5%。这说明用该 5-DOF 模型推导的 RI 可以作为有效的侧翻稳定性度量，为后续把它做成势场提供可信基础。

🧭 APF 规划框架：把「侧翻」也变成一道墙

人工势场法的核心思想前文提过：目标=吸引井，障碍=排斥山。论文在传统 APF 基础上做了两处关键扩展。

1. 改进避障势场（Obstacle Avoidance APF）

传统 APF 常把车/障碍当点处理，距离用两点直线距离，这在矩形车体（重卡很长）下不严谨。论文的改进是：

把自车与障碍物都建模为矩形；
在矩形外生成椭圆包络；
用椭圆之间的最小距离作为势场函数的因子。

这样做的好处（论文贡献点之一）：在纵向（车长方向）留出更大的安全距离，同时在横向（车宽方向）适当收紧，从而提高重卡避障安全性——毕竟重卡又长又重，刹停距离远，纵向必须留更多余量。

2. 侧翻排斥势场（Anti-rollover APF）——本文最大亮点

论文提出：假设车辆当前行驶路径和车辆自身带有一个「虚拟的抗侧翻势场」 $U_{R1}$ 和 $U_{R2}$，则抗侧翻 APF 定义为：

$$ arAPF = U_{R1} + U_{R2} $$

其中与侧翻指标最相关的一项是把 RI 直接做成势能（引力形式，越大越「危险」）：

$$ U_{R2} = \frac{1}{2} k_R RI^2 $$

$k_R > 0$：抗侧翻势场常数（权重）；
$RI$：前面 5-DOF 模型算出的侧翻指标。

直觉：当车辆状态让 $|RI|$ 增大时（离侧翻更近），这个势能快速变大；而规划优化要「最小化总势能」，于是会主动把车往 $|RI|$ 小的状态推——相当于在状态空间里修了一道「侧翻排斥墙」。当 $|RI|$ 逼近临界，势能急剧上升，优化器被迫降低速度、减小转向、改变路径来「逃离」这个高势能区。

这套势场框架在论文图 4 的系统架构里，位于「感知模块 -> 全局路径规划 -> 经博弈论优化的 MPC 运动规划 -> 被控重卡」这一链条中，作为 MPC 代价函数里的关键项。

🔗 怎么把侧翻约束融进规划（MPC + 博弈论）

MPC 代价里塞进三股势力

论文用 MPC 做运动规划，代价函数（cost）同时考虑三类目标，互相博弈：

轨迹跟踪项：让车贴着全局路径走，误差小；
避障 APF 项：远离障碍物；
抗侧翻 APF 项：远离高 RI 状态。

示意（非原文逐字，表达结构）：

$$ J = J_{\text{track}} + \lambda_{\text{obs}} \cdot APF_{\text{obs}} + \lambda_{\text{roll}} \cdot arAPF $$

其中 $\lambda_{\text{obs}}$、$\lambda_{\text{roll}}$ 分别是避障与抗侧翻势场的权重系数。

博弈论来调权重

难点在于：避障和抗侧翻两个势场经常「打架」。比如为了不侧翻要减速/外摆，但外摆又可能更靠近障碍。权重设小了防不住翻，设大了又过度保守、贴着障碍走。

论文的贡献点之三：用博弈论（game theory）来优化这两个 APF 系数。把避障势场和抗侧翻势场当成两个「玩家」，在给定场景下求解一个均衡（比如纳什均衡意义上的权重分配），从而在具体工况下拿到「既躲得开障碍、又稳得住不翻」的最优折中路径。

对 VLA 工程师的启发：当你有多条互相冲突的安全约束（不撞、不翻、舒适、合法），与其手写一堆 if-else 优先级，不如把它们都建成可加权的代价项，再用一个上层优化器（这里用博弈论，你也可以用贝叶斯、或者强化学习里学权重）去自动平衡。这种「多目标代价 + 上层权重搜索」的范式，和端到端里用奖励塑形（reward shaping）协调多个指标的思路是相通的。

预测模型

MPC 的预测模型 = 前面建立的 5-DOF 动力学模型 + 运动学模型。每个控制周期往前滚一小段，预测未来状态会怎样演化，从而提前看到「现在这个转向，两秒后 RI 会爆」，在爆之前就改路径。这正是「规划层前置考虑侧翻」的工程实现。

🧪 实验与结论（来自公开摘要与结论节选）

论文在第 5 节做了两种工况（公开信息提及为「two conditions」，典型如静态/非穿越障碍、与穿越障碍、车道边界等场景）的仿真分析，并用博弈论优化后的 MPC 规划器做了验证。结论要点：

提出的改进避障 APF，增大了纵向安全距离、减小了横向安全距离，提升了重卡避障安全性。
提出的抗侧翻 APF 被集成进 MPC 代价函数后，有效降低了侧翻指标（RI），增强了侧倾安全性。
综合轨迹跟踪 + 抗侧翻 APF + 避障 APF 的 MPC 规划器，经博弈论优化系数后，能在多种场景下同时有效避障并防止侧翻。

也就是说，方法不是纸上谈兵：在相同场景里，融入 arAPF 的规划相比不融入的基线，侧翻指标显著下降，而避障性能没有牺牲。

🔁 与博客 nuTruck 文章的呼应

如果你读过博客里关于 nuTruck 的文章，会发现两篇工作殊途同归，共同戳破一个幻觉：

「乘用车时代，不碰撞就约等于安全」这条经验，在重卡上完全失效。

具体呼应点：

nuTruck 用 LTR / NRS（Nominal Rollover Stability，名义侧翻稳定度）这类指标，把「侧翻」从隐式风险变成可量化、可监控、可当成安全指标显式优化的对象。它证明重卡安全不能只看轨迹是否无碰撞，还要看这条轨迹把侧倾裕度压到了多低。
本篇 APF 论文 则更进一步：不只把侧翻当监控指标，而是直接把侧翻排斥势场 arAPF 写进规划的代价函数，让规划器在「生成轨迹」这一步就主动绕开高侧翻风险区。

两者合起来的结论很清晰：

对重卡，侧翻是独立于碰撞的第三安全维度（碰撞、侧翻、失稳/偏离，三者不完全重叠）。
这个维度必须被显式建模、显式约束、最好显式进规划，而不是靠下游控制兜底。

这正好也回答了「为什么不能只靠 VLA 端到端输出轨迹」：端到端模型如果在训练数据里没见过侧翻临界工况（长尾且危险、难采集），它不会自发学会「这条看起来能避障的轨迹其实会翻车」。把 LTR/RI 这类物理约束作为硬边界或势场项前置注入，是更稳妥的工程做法。

💡 个人思考：规划层必须前置考虑侧翻，下游控制兜不住

作为刚入行的工程师，我从这篇论文里读到的最关键一条，不是某个公式，而是责任分配问题：

侧翻是不可逆的硬约束，不是可调的软目标。 一旦翻了，没有「小幅修正」的余地。因此它应该像「不能撞」一样，作为规划层的硬边界（或者高权重的势场墙），而不是留给底盘控制去救。
下游控制救不了规划埋的雷。 如果规划给了一条「速度过快 + 急转」的轨迹，底盘再强的 PID / LQR / 差动制动也只能在这条轨迹上做局部修正，很可能物理上已经没有不翻的解。规划阶段多算一步 5-DOF 预测，比控制阶段多十个执行器都管用。
把物理指标做成「势场/代价」是个通用套路。 不只是侧翻，越界、超速、乘员不适、能耗，都可以用类似的「风险场」思路融进优化。APF 这把老枪，在商用车安全约束前置上依然好使。
对 VLA / 端到端的警示。 大模型擅长学「统计上常见的好轨迹」，但侧翻是稀有且危险的尾部事件。要么在训练目标里注入 LTR/RI 这类物理约束（类似这篇的 arAPF 思想），要么在 VLA 下游接一个带动力学约束的规划/校验层。纯黑箱端到端直接上重卡，风险很高。

一句话：重卡自动驾驶的安全，第一关必须设在规划层；而规划层要管的，远不止「别撞」这一件事。

📚 延伸阅读（相关文献方向）

Rollover Prevention and Motion Planning for an Intelligent Heavy Truck（CJME, 2021, DOI: 10.1186/s10033-021-00605-z）：同一团队更早的工作，同样做重卡防侧翻运动规划，可作为本篇前传。
Anti-rollover control of a heavy-duty vehicle based on lateral load transfer rate（Vibroengineering Procedia, 2016）：用 4-DOF 模型 + LTR + 差动制动做防侧翻控制，适合理解 LTR 控制闭环。
Enhanced Anti-Rollover Control for Commercial Vehicles Under Dynamic Lateral Interferences（Designs, 2024）：用 7-DOF 模型 + LTR + 鲁棒 H∞ 控制，考虑侧风/侧坡等横向扰动，适合理解「干扰下的侧翻」。
Gaspar P. 等关于 heavy vehicle rollover 的 combined control structure（European Journal of Control, 2004）：早期把主动悬挂与差动制动结合的侧翻预防经典文献。
Larish 等 A new predictive lateral load transfer ratio for rollover prevention（IEEE TVT, 2013）：提出预测式 LTR，适合理解比静态 LTR 更超前的预警思路。
博客内 nuTruck 系列文章：理解「把侧翻做成显式安全指标」的另一条技术路线，与本篇互为补充。

🧾 小结

这篇 2024 CJME 论文的价值，不在于用了什么惊天动地的新模型，而在于它把一个被主流自动驾驶研究长期忽视的硬约束——重卡侧翻——干净利落地塞进了运动规划里：

用 5-DOF 动力学模型（纵向、横向、横摆、簧上侧倾、簧下侧倾）精确刻画侧倾；
用推导出的 RI 侧翻指标（与 LTR 误差约 1.5%）量化风险；
首创 抗侧翻 APF（arAPF），把 RI 做成排斥势场；
在 MPC 代价里同时放轨迹跟踪、避障 APF、抗侧翻 APF；
用 博弈论 自动调避障与抗侧翻两股势力的权重。

对想做重卡 / 商用车 VLA 的工程师，它是一记提醒：当你在刷端到端指标时，别忘了重卡还有「翻车」这个乘用车没有的、会要命的第三安全维度。把它前置到规划，比任何下游补救都重要。

def anti_rollover_apf(ri, k_R):
    # ri: rollover index from 5-DOF model
    # k_R: anti-rollover field constant > 0
    return 0.5 * k_R * ri * ri


def total_cost(track_err, obs_apf, ar_apf, w_obs, w_roll):
    return track_err + w_obs * obs_apf + w_roll * ar_apf


def mpc_step(state, model, horizon, w_obs, w_roll):
    best = None
    best_j = float("inf")
    for ctrl in candidate_controls():
        traj = model.rollout(state, ctrl, horizon)
        ri = model.rollover_index(traj)
        j = total_cost(
            track_error(traj),
            obstacle_apf(traj),
            anti_rollover_apf(ri, k_R=1.0),
            w_obs,
            w_roll,
        )
        if j < best_j:
            best_j = j
            best = ctrl
    return best

📄 论文信息#

🤔 为什么这篇论文值得一个刚入行的 VLA 工程师读？#

🔧 先讲清楚几个名词（小白友好版）#

💥 背景：重卡侧翻，为什么是规划层必须管的事？#

传统规划的盲区#

为什么重卡特别容易翻#

🧮 重卡侧翻机理：离心力怎么把车掀翻的#

🚚 5-DOF 重卡动力学模型：到底含哪 5 个自由度#

模型大致长什么样#

📐 LTR 与侧翻判据：怎么才算「快翻了」#

LTR 定义与公式#

论文的 RI 与 LTR 验证#

🧭 APF 规划框架：把「侧翻」也变成一道墙#

1. 改进避障势场（Obstacle Avoidance APF）#

2. 侧翻排斥势场（Anti-rollover APF）——本文最大亮点#

🔗 怎么把侧翻约束融进规划（MPC + 博弈论）#

MPC 代价里塞进三股势力#

博弈论来调权重#

预测模型#

🧪 实验与结论（来自公开摘要与结论节选）#

🔁 与博客 nuTruck 文章的呼应#

💡 个人思考：规划层必须前置考虑侧翻，下游控制兜不住#

📚 延伸阅读（相关文献方向）#

🧾 小结#