- 自动驾驶技术虽在高速驾驶和避障方面取得显著进展，但**低速机动** 如停车仍是棘手挑战
- 对于**拖挂卡车(trailer-truck)**，其**铰接运动(articulated motion)** 和**环境约束(environmental constraints)** 使得自主停车尤为困难
- 现有研究缺乏针对此类车辆停车场景的系统级解决方案
- 提出一个集成**感知(perception)**、**运动规划(motion planning)**、**控制系统(control)** 和**基础设施感知(infrastructure awareness)** 的自主停车框架
- 融合**传感器融合(sensor fusion)**、**混合A*路径规划(Hybrid A* path planning)**、** 非线性模型预测控制(NMPC)**以及** 数据驱动停车系统(data-driven parking systems)**
- 通过改编开源A*路径规划仿真，引入**拖拉机-拖车运动学模型(tractor-trailer kinematic model)**，在命令行仿真环境中实现铰接车辆路径规划
- **系统级协调**：首次将传感器融合、混合A*、NMPC与数据驱动方法整合，专门应对拖挂卡车的低速停车场景
- **铰接运动学集成**：在传统A*仿真基础上加入拖拉机-拖车运动学模型，实现铰接车辆的路径规划能力
- **明确关键瓶颈**：识别出**jackknife预防(jackknife prevention)** 作为需要进一步发展的核心难点，为后续研究指明方向
- 为拖挂卡车自主停车领域提供了一种**系统级框架(framework)**，强调感知、规划与控制之间的协调
- 通过**概念验证(proof-of-concept)** 实现，展示了铰接车辆路径规划在仿真环境中的可行性
- 明确了**Jackknife预防** 作为未来关键研究方向，推动该领域向实际部署迈进