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

Resumo Técnico: Planejamento de Trajetória Online para UAVs com Restrições Cinemáticas em Ambientes Dinâmicos

Definição do Problema
Esta pesquisa aborda o desafio do planejamento de trajetória online para Veículos Aéreos Não Tripulados (UAVs) de asa fixa operando em ambientes dinâmicos. Diferente dos quadricópteros, os UAVs de asa fixa enfrentam restrições cinemáticas únicas, incluindo curvatura máxima, raio de curva mínimo e requisitos específicos de orientação (ângulos de yaw e pitch). O problema central é gerar uma trajetória viável e livre de colisões em tempo real que satisfaça essas restrições de movimento enquanto navega por ambientes contendo obstáculos estáticos e dinâmicos. O sistema deve operar dentro de um alcance de detecção limitado ($R_{view}$), detectando posições de obstáculos e vetores de velocidade em intervalos discretos de replanejamento ($t_s$), e garantir que o UAV permaneça no espaço livre ($\Omega_{free}$), evitando zonas de exclusão aérea e colisões potenciais.

Metodologia
A solução proposta integra uma representação de trajetória por B-Splines Racionais Não Uniformes (NURBS) com um algoritmo de Evolução Diferencial (DE), aprimorado por conceitos da abordagem de Obstáculo de Velocidade (VO).

• Representação da Trajetória: A trajetória é modelada como uma curva NURBS definida por pontos de controle ($P$) e pesos ($w$). Para satisfazer as restrições de orientação no início e no fim da trajetória, três pontos colineares são adicionados aos primeiros e últimos pontos de controle, escalonados pelos fatores $\lambda_1$ e $\lambda_2$.
• Estratégia de Otimização: Ao contrário de abordagens offline anteriores que otimizavam os parâmetros da curva diretamente, este método online otimiza a variação desses parâmetros ($\Delta\chi = [\Delta P, \Delta w, \lambda_1, \lambda_2]$) em relação a uma trajetória inicial viável. Esta estratégia visa acelerar a convergência.
• Função Objetivo: A otimização minimiza o custo de energia de voo, definido pelo comprimento da trajetória (assumindo velocidade constante e ignorando o vento), sujeita a:
  1. Restrições Cinemáticas: A curvatura $\kappa(s)$ não deve exceder a curvatura máxima permitida ($\kappa_{max}$).
  2. Desvio de Obstáculos: A posição do UAV $p_u$ não deve entrar em zonas restritas ($\Omega_{obs}$).
  3. Desvio de Colisão Dinâmica: A velocidade relativa do UAV em relação aos obstáculos não deve cair dentro do cone de Obstáculo de Velocidade ($VO^{\tau}_{o_i/u}$) para um horizonte de predição $\tau$. Esta restrição é aplicada a todos os obstáculos detectados ($N_{obs}$) dentro do alcance de detecção.
• Algoritmo: O LSHADE-COP (Linear-Success-History Based Adaptive Differential Evolution for Constrained Optimization Problems) é empregado para resolver o problema de otimização restrita em cada intervalo de replanejamento.
• Implementação de Controle: Uma vez gerada uma curva NURBS viável, ela é mapeada em uma lei de controle de campo vetorial (baseada no trabalho anterior [10]) para guiar o UAV ao longo da trajetória.

Principais Contribuições

1. Planejamento Deliberativo Online: Os autores transicionam sua estrutura anterior de DE-NURBS offline para um planejador online capaz de lidar com obstáculos dinâmicos e replanejamento em intervalos de aproximadamente $t_s \approx 0,1$ segundos.
2. Integração de Obstáculos de Velocidade: Uma função de restrição inovadora incorporando a abordagem de Obstáculo de Velocidade é inserida diretamente no processo de otimização DE. Isso permite que o algoritmo penalize colisões futuras com obstáculos móveis durante a fase de geração de trajetória, em vez de depender apenas de um planejador local reativo.
3. Otimização de Variação de Parâmetros: Ao otimizar a variação dos parâmetros NURBS em vez dos parâmetros em si, o método alcança uma convergência mais rápida, adequada para aplicações em tempo real.
4. Viabilidade em 2D: O sistema gera com sucesso trajetórias para UAVs de asa fixa em ambientes dinâmicos 2D, mantendo altitude constante e aderindo aos limites cinemáticos.

Resultados
Resultados de simulação demonstram que o planejador proposto navega com sucesso UAVs através de ambientes povoados com obstáculos móveis.

• Desempenho: O planejador online é relatado como sendo aproximadamente 12.000 vezes mais rápido que o planejador offline anterior dos autores [5].
• Segurança: A inclusão da restrição de Obstáculo de Velocidade permite a navegação segura em cenários onde uma abordagem de replanejamento sem esta restrição falharia ou levaria a colisões.
• Eficiência: O sistema pode modificar apenas as seções necessárias de uma curva NURBS inicial para evitar obstáculos dinâmicos, em vez de replanejar toda a trajetória da missão do zero.
• Validação Visual: Instantâneos do processo de planejamento deliberativo (Fig. 1) e evidências complementares em vídeo confirmam a capacidade do planejador de gerar curvas suaves e viáveis que evitam ameaças dinâmicas.

Significância e Alegações
O artigo afirma fornecer uma base viável para o planejamento de trajetória online para UAVs com restrições cinemáticas em configurações dinâmicas. Os autores enfatizam que sua abordagem evita a necessidade de etapas adicionais de suavização frequentemente exigidas por outros planejadores de asa fixa. Embora o estudo atual seja limitado a cenários 2D com altitude constante, os autores afirmam que o método foi projetado para ser extensível a ambientes tridimensionais (3D). O trabalho é apresentado como um passo para resolver o desafiador problema aberto de planejar o movimento para evitar obstáculos dinâmicos sem guiar o UAV para mínimos locais ou situações inviáveis, uma limitação observada em abordagens de planejadores locais mais simples.