Online path planning for kinematic-constrained UAVs in a dynamic environment based on a Differential Evolution algorithm

Resumen Técnico: Planificación de Trayectorias en Línea para UAVs con Restricciones Cinemáticas en Entornos Dinámicos

Planteamiento del Problema
Esta investigación aborda el desafío de la planificación de trayectorias en línea para Vehículos Aéreos No Tripulados (UAV) de ala fija que operan en entornos dinámicos. A diferencia de los cuadricópteros, los UAV de ala fija enfrentan restricciones cinemáticas únicas, incluyendo la curvatura máxima, el radio de giro mínimo y requisitos de orientación específicos (ángulos de guiñada y cabeceo). El problema central es generar una trayectoria factible y libre de colisiones en tiempo real que satisfaga estas restricciones de movimiento mientras navega a través de entornos que contienen obstáculos tanto estáticos como dinámicos. El sistema debe operar dentro de un rango de detección limitado ($R_{view}$), detectando las posiciones de los obstáculos y los vectores de velocidad en intervalos discretos de replanificación ($t_s$), y asegurar que el UAV permanezca dentro del espacio libre ($\Omega_{free}$) evitando zonas de exclusión aérea y posibles colisiones.

Metodología
La solución propuesta integra una representación de trayectoria mediante Curvas de B-Spline Racionales No Uniformes (NURBS) con un algoritmo de Optimización por Evolución Diferencial (DE), mejorado mediante conceptos del enfoque de Obstáculo de Velocidad (VO).

• Representación de la Trayectoria: La trayectoria se modela como una curva NURBS definida por puntos de control ($P$) y pesos ($w$). Para satisfacer las restricciones de orientación al inicio y al final de la trayectoria, se añaden tres puntos colineales a los primeros y últimos puntos de control, escalados por los factores $\lambda_1$ y $\lambda_2$.
• Estrategia de Optimización: A diferencia de los enfoques previos fuera de línea (offline) que optimizaban directamente los parámetros de la curva, este método en línea optimiza la variación de estos parámetros ($\Delta\chi = [\Delta P, \Delta w, \lambda_1, \lambda_2]$) respecto a una trayectoria inicial factible. Esta estrategia tiene como objetivo acelerar la convergencia.
• Función Objetivo: La optimización minimiza el costo de energía de vuelo, definido como la longitud de la trayectoria (asumiendo una velocidad constante e ignorando el viento), sujeto a:
  1. Restricciones Cinemáticas: La curvatura $\kappa(s)$ no debe exceder la curvatura máxima permitida ($\kappa_{max}$).
  2. Evitación de Obstáculos: La posición del UAV $p_u$ no debe entrar en zonas restringidas ($\Omega_{obs}$).
  3. Evitación de Colisiones Dinámicas: La velocidad relativa del UAV con respecto a los obstáculos no debe caer dentro del cono del Obstáculo de Velocidad ($VO^{\tau}_{o_i/u}$) para un horizonte de predicción $\tau$. Esta restricía se aplica a todos los obstáculos detectados ($N_{obs}$) dentro del rango de detección.
• Algoritmo: Se emplea la Evolución Diferencial Adaptativa Basada en Historia de Éxitos Lineales para Problemas de Optimización con Restricciones (LSHADE-COP) para resolver el problema de optimización con restricciones en cada intervalo de replanificación.
• Implementación del Control: Una vez generada una curva NURBS factible, esta se mapea en una ley de control de campo vectorial (basada en el trabajo previo [10]) para guiar al UAV a lo largo de la trayectoria.

Contribuciones Clave

1. Planificación Deliberativa en Línea: Los autores transicionan su marco previo de DE-NURBS fuera de línea hacia un planificador en línea capaz de manejar obstáculos dinámicos y replanificar en intervalos de aproximadamente $t_s \approx 0.1$ segundos.
2. Integración de Obstáculos de Velocidad: Se incorpora una función de restricción novedosa que incluye el enfoque de Obstáculo de Velocidad directamente en el proceso de optimización DE. Esto permite al algoritmo penalizar colisiones futuras con obstáculos móviles durante la fase de generación de la trayectoria, en lugar de depender únicamente de un planificador local reactivo.
3. Optimización de la Variación de Parámetros: Al optimizar la variación de los parámetros NURBS en lugar de los parámetros mismos, el método logra una convergencia más rápida, adecuada para aplicaciones en tiempo real.
4. Factibilidad en 2D: El sistema genera con éxito trayectorias para UAVs de ala fija en entornos dinámicos 2D, manteniendo una altitud constante y adhiriéndose a los límites cinemáticos.

Result resultados
Los resultados de la simulación demuestran que el planificador propuesto navega con éxito a los UAV a través de entornos congestionados con obstáculos en movimiento.

• Desempeño: Se reporta que el planificador en línea es aproximadamente 12,000 veces más rápido que el planificador fuera de línea anterior de los autores [5].
• Seguridad: La inclusión de la restricción de Obstáculo de Velocidad permite una navegación segura en escenarios donde un enfoque de replanificación sin esta restricción fallaría o provocaría colisiones.
• Eficiencia: El sistema puede modificar solo las secciones necesarias de una curva NURBS inicial para evitar obstáculos dinámicos, en lugar de replanificar toda la trayectoria de la misión desde cero.
• Validación Visual: Las instantáneas del proceso de planificación deliberativa (Fig. 1) y la evidencia de video suplementaria confirman la capacidad del planificador para generar curvas suaves y factibles que evitan amenazas dinámicas.

Significancia y Reivindicaciones
El artículo afirma proporcionar una base factible para la planificación de trayectorias en línea para UAVs con restricciones cinemáticas en entornos dinámicos. Los autores enfatizan que su enfoque evita la necesidad de pasos de suavizado adicionales que a menudo requieren otros planificadores de ala fija. Aunque el estudio actual se limita a escenarios 2D con altitud constante, los autores afirman que el método está diseñado para ser extensible a entornos tridimensionales (3D). El trabajo se presenta como un paso hacia la resolución del desafiante problema abierto de planificar el movimiento para evitar obstáculos dinámicos sin guiar al UAV hacia mínimos locales o situaciones no factibles, una limitación observada en enfoques de planificadores locales más simples.