مقاله رباتیک مشارکتی تقویت‌شده با ادراک جمعی برای تعدیل ترافیک

تصادفات در تقاطع‌های غیرقابل دید (NLOS) همچنان یک نگرانی عمده ایمنی محسوب می‌شوند، زیرا دید رانندگان نسبت به ترافیک در حال نزدیک شدن محدود است. هشدارهای مبتنی بر V2X می‌توانند این خطرات را کاهش دهند، اما بسیاری از وسایل نقلیه به V2X مجهز نیستند و رانندگان ممکن است هشدارهای داخل خودرو را نادیده بگیرند. ادراک جمعی (CP) می‌تواند با گسترش آگاهی خودروهای متصل، کمبود نفوذ V2X را جبران کند، اما نمی‌تواند بر خودروهای غیرمتصل تأثیر بگذارد. برای پر کردن این شکاف، کار ما یک مفهوم مکمل را معرفی می‌کند که یک ربات انسان‌نمای مشارکتی را به عنوان یک تعدیل‌کننده فعال ترافیک اضافه می‌کند که قادر به توقف فیزیکی خودرویی است که قصد ورود به جریان ترافیکی نامشاهده را دارد. این سیستم بر روی دو مسیر ادراکی موازی عمل می‌کند. یک واحد زیرساختی با دوربین دوگانه، موقعیت، سرعت و حرکت خودروهای در حال نزدیک شدن را تشخیص داده و این اطلاعات را به عنوان یک پیام ادراک جمعی (CPM) به ربات منتقل می‌کند. ربات همچنین پیام‌های آگاهی مشارکتی (CAM) را از خودروهای متصل از طریق واحد V2X خود دریافت می‌کند و می‌تواند به عنوان یک رله برای پیام‌های اطلاع‌رسانی محیطی غیرمتمرکز (DENM) در زمانی که رویدادهای ایمنی از جای دیگری در طول جاده نشأت می‌گیرند، عمل کند. یک ماژول ادغام این جریان‌ها را ترکیب می‌کند تا یک نمای قوی در زمان واقعی از جاده اصلی حفظ کند. یک منطقه خطر (ZoD) تعریف شده و برای پیش‌بینی اینکه آیا یک خودروی در حال نزدیک شدن، خطر برخورد برای یک کاربر جاده در حال ورود ایجاد می‌کند، استفاده می‌شود. هنگامی که چنین خطری تشخیص داده شود، ربات یک ژست توقف شبیه به انسان صادر کرده و مسیر ورود را مسدود می‌کند تا زمانی که خطر برطرف شود. کل سیستم در پارک آینده تحرک (FMP) در روتردام مستقر شد. آزمایش‌ها نشان می‌دهند که ادراک ترکیبی بینایی و V2X به ربات اجازه می‌دهد تا خودروهای در حال نزدیک شدن را زود تشخیص دهد، خطرات را به طور قابل اعتماد پیش‌بینی کند و از ورود ناامن در شرایط واقعی NLOS جلوگیری کند.

Collisions at non-line-of-sight (NLOS) intersections remain a major safety concern because drivers have limited visibility of approaching traffic. V2X based warnings can reduce these risks, yet many vehicles are not equipped with V2X and drivers may ignore in vehicle alerts. Collective perception (CP) can compensate for low V2X penetration by extending the awareness of connected vehicles, but it cannot influence unconnected vehicles. To fill this gap, our work introduces a complementary concept that adds a cooperative humanoid robot as an active traffic moderator capable of physically stopping a vehicle that attempts to merge into an unseen traffic stream. The system operates on two parallel perception pathways. A dual camera infrastructure unit detects the position, speed and motion of approaching vehicles and transmits this information to the robot as a collective perception message (CPM). The robot also receives cooperative awareness messages (CAM) from connected vehicles through its onboard V2X unit and can act as a relay for decentralized environmental notification messages (DENM) when safety events originate elsewhere along the road. A fusion module combines these streams to maintain a robust real time view of the main road. A Zone of Danger (ZoD) is defined and used to predict whether an approaching vehicle creates a collision risk for a merging road user. When such a risk is detected, the robot issues a human-like STOP gesture and blocks the merging path until the hazard disappears. The full system was deployed at the Future Mobility Park (FMP) in Rotterdam. Experiments show that the combined vision and V2X perception allows the robot to detect approaching vehicles early, predict hazards reliably and prevent unsafe merges in real world NLOS conditions.