⚡ electrical engineering

N-dimensional Convex Obstacle Avoidance using Hybrid Feedback Control (Extended version)

本文提出了一种混合反馈控制方案，通过在趋向目标模式与平面避障模式之间进行切换，保证了自主机器人在具有先验未知的、含有不相交凸障碍物的 n 维环境中的导航实现安全且全局渐近收敛。

原作者： Mayur Sawant, Ilia Polushin, Abdelhamid Tayebi

发布于 2026-07-08

📖 1 分钟阅读☕ 轻松阅读

原作者： Mayur Sawant, Ilia Polushin, Abdelhamid Tayebi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你正在引导一个被蒙住眼睛的机器人在一个黑暗、未知的房间里穿行，房间里充满了各种形状的家具——有的圆润，有的尖锐，有的巨大，有的微小。你的目标是让机器人从起点安全地到达另一端的特定目标点，而不撞到任何东西。

这篇论文介绍了一个用于该机器人的新“大脑”（控制系统）。它解决了一个困扰机器人导航多年的难题：如何在 3D（甚至更高维度）的世界中安全地从 A 点到达 B 点，而不陷入“死胡同”或在障碍物周围无休止地绕圈。

以下是该系统的运作方式，通过简单的概念进行分解：

1. 两种模式：“直线冲刺” vs. “贴墙行走”

机器人的大脑有两种截然不同的模式，像切换灯开关一样进行切换：

模式 0：“直线冲刺”（移向目标）
当机器人看到通往目标的路径清晰时，它会忽略其他一切，直接向那里直线行驶。这就像走在一条空旷的走廊里。
模式 1：“贴墙行走”（避障）
如果机器人离某件家具太近，并意识到直线路径被阻挡了，它会立即切换模式。它不会尝试硬挤过去或陷入混乱，而是进入一种特殊的“避障模式”。

2. 核心技巧：“2D 切片”

这是该论文最大的创新点。在 2D 世界（如平面地图）中，绕过障碍物很简单：你只需要顺时针或逆时针绕行即可。但在 3D 世界（或更高维度）中，绕过一个物体的方法是无穷多的。机器人可能会不小心陷入循环，或者在物体周围绕圈圈。

为了解决这个问题，机器人创建了一个虚拟的 2D 切片（一张平坦的纸）：

这个切片始终经过目标点、机器人以及它当前正在避开的障碍物。
一旦机器人切换到“贴墙行走”模式，它就会被强制严格留在这一 2D 切片内。
它会在这个切片内沿着障碍物的边缘滑动，直到障碍物不再遮挡通往目标的视线。
一旦路径变得清晰，它就会跳回“直线冲刺”模式。

类比： 想象你在森林中行走，撞到了一个大树。与其在 3D 空间中随机游荡，不如想象有一张巨大的、透明的玻璃片穿过了你、那棵树以及你的目的地。你被迫只能在那张玻璃片上沿着树的边缘行走。一旦你在玻璃片上绕过树足够远的位置，能够再次看到你的目的地时，你就从玻璃片上走下来，直接走向你的目标。

3. “碰撞点”记忆

当机器人第一次触及障碍物的“危险区域”时，它会标记一个特定的位置，称为**“碰撞点”（Hit Point）**。

它会记住这个点。
它利用这个记忆来定义上述提到的 2D 切片。
它还利用这个记忆来确保自己不会只是转身原路返回。它会沿着障碍物的边缘持续向前移动，直到相对于目标而言已经“越过了”碰撞点。

4. 为什么这比旧方法更好

以往的方法通常使用“人工势场法”，它们类似于磁力：目标吸引机器人，而障碍物排斥机器人。

问题所在： 有时，拉力和推力会完美抵消，导致机器人陷入“局部极小值”（即死胡同），在那里它觉得很安全但却无法移动。
解决方案： 这个新系统是“混合型”的。它不依赖于容易陷入僵局的平滑、连续的力，而是使用逻辑上的“开关”（不连续性）。如果它卡住了，逻辑会强制改变模式，从而打破僵局，保证机器人最终一定能到达目标。

5. 现实世界测试

作者不仅做了数学计算，还进行了测试：

模拟实验： 他们让机器人穿过复杂的 2D 和 3D 迷宫，其中包含形状怪异的障碍物。机器人每次都成功导航，没有被困住。
实体机器人： 他们将该算法应用在 TurtleBot 4（一种用于研究的小型轮式机器人）上。他们将机器人置于一个有物理障碍物的房间中。机器人成功地从起点导航到了目标点，并根据需要实现了在“直线行驶”和“沿墙滑动”之间的切换。

总结

这篇论文为机器人在未知、拥挤的空间中导航提供了一种更聪明的方式。机器人不再试图计算一条穿过复杂 3D 迷宫的完美平滑路径（这往往会导致卡死），而是使用一种简单的“开关”逻辑：

如果可以，就直行。
如果撞到了墙，就将自己锁定在一个 2D 平面内，并沿着墙壁滑动，直到你能再次看到目标。
重复此过程，直到抵达。

其结果是，只要障碍物之间没有互相接触，无论障碍物的形状多么奇特或房间布置如何，该系统都能在数学上保证机器人一定能到达目的地。

技术摘要：基于混合反馈控制的 $n$ 维凸障碍物规避

问题陈述
本文研究了机器人在包含先验未知、不相交且形状与大小任意的凸障碍物的 $n$ 维环境中的自主导航问题。主要挑战在于设计一种既能保证安全性（碰撞规避），又能保证全局渐近收敛至预定义目标位置的控制策略。现有方法面临显著局限性：

人工势场法 (APF) 和 导航函数 (NF) 通常会陷入不希望出现的局部极小值，或者需要全局环境知识（例如微分同胚映射）。
控制李雅普诺夫函数 (CLF) 和 控制障碍函数 (CBF) 方法虽然在特定情况下有效，但由于连续时不变向量场的拓扑约束，通常只能提供“几乎全局”的稳定性保证。
以往的混合方法 在很大程度上被限制在二维空间或特定的障碍物几何形状（如椭球体或强凸障碍物）中，并且通常需要预先知道障碍物的形状。

本研究的具体约束条件包括：环境中的障碍物虽为凸体，但可能具有非光滑边界；且机器人仅拥有局部量程传感器数据（无全局地图）。

方法论
作者提出了一种混合反馈控制方案，通过在两种不同的模式之间进行切换机制运行：

趋向目标模式 ( $m=0$ )：机器人沿直线向目标移动。
障碍物规避模式 ( $m=1$ )：机器人绕过障碍物进行导航。

关键技术组件：

混合系统框架：系统使用微分包含和差分包含进行建模。状态向量 $\xi$ 包括机器人的位置 $x$ 、“碰撞点” $h$ （开始规避的位置）、单位向量 $a$ 、模式指示器 $m$ 以及计时器变量 $s$ 。
切换逻辑：
- 从“趋向目标”到“障碍物规避”的转换发生在机器人进入障碍物的 $\gamma$ -邻域且直线路径被阻挡时（通过传感圆柱体相交测试检测）。
- 从“障碍物规避”回到“趋向目标”的转换发生在机器人进入“退出区域”时，即路径已清晰且机器人距离目标的距离比初始碰撞点 $h$ （加上滞后裕度 $\epsilon$ ）更近。
障碍物规避策略：
- 不同于强制进行顺时针或逆时针运动的二维方法，该 $n$ 维策略将机器人的运动限制在一个特定的二维平面 $P(h, a)$ 内。该平面由目标位置（原点）、碰撞点 $h$ 以及与 $h$ 正交的单位向量 $a$ 定义。
- 在该平面内，控制向量利用旋转矩阵和平行投影算子进行构建，以引导机器人沿障碍物边界运动而不重复路径。
- 标量函数 $\eta(x)$ 确保机器人在规避阶段保持在障碍物的安全邻域内。
基于传感器的实现：该算法依赖于量程传感器（如 LiDAR）来识别传感半径 $R_s$ 内可见的障碍物边界点集。它不需要先验的全局环境知识。
平滑机制：为了解决模式切换期间控制输入不连续的问题（这可能导致轨迹突变），作者引入了一个连续标量函数 $\lambda$ ，在时间间隔 $t_s$ 内对两个控制向量进行平滑插值。

主要贡献
本文声称有四项主要贡献：

全局渐近稳定性：所提方案保证了在含有任意形状凸障碍物的未知环境中，目标位置具有全局渐近稳定性。这与现有的往往仅限于椭球形障碍物的混合结果形成对比。
$n$ 维适用性：该控制器是为 $n$ 维工作空间设计的，而许多现有的基于传感器或混合的方法则受限于二维。
任意障碍物排列：该方法对障碍物的相对排列没有限制（除了需满足最小分离距离以确保机器人可以穿过），这不同于那些需要特定曲率条件或非平坦性的方法。
先验未知环境：该方法是基于传感器的，不需要全局环境几何知识，这与依赖微分同胚映射的 NF 类方法不同。

结果与验证

仿真：
- 3D 环境：在含有 3D 凸障碍物的仿真中，机器人展示了从各种初始位置收敛至目标并规避碰撞的能力。
- 2D 环境：在包含 12 个凸障碍物的测试中，从 24 个不同的起始点均成功实现了收敛。
- 传感半径分析：论文分析了改变传感半径 $R_s$ 对系统的影响，指出较小的半径可能会导致过早切换，但系统仍保持鲁棒性。
- 球体世界：将控制器的修改版本应用于球形障碍物，证明了在这种特定几何结构下，到目标的距离是单调递减的。
- 对比：将所提方法与分离超平面法 [15] 进行对比。论文表明，当障碍物不满足特定曲率条件时，超平面法会失效（陷入局部极小值），而所提混合控制器则能成功完成任务。
实验验证：
- 平滑控制律在 TurtleBot 4 Standard 移动机器人在含有五个凸障碍物的物理工作空间中得到了实现。
- 机器人成功地从初始位置导航至目标，并在其 LiDAR 传感器检测到切换时完成了模式转换。实验结果证实了导航的安全性和收敛性。

意义与主张
本文将自身定位为对以往混合控制策略的重要进展，通过将全局稳定性保证扩展到含有任意凸障碍物的 $n$ 维空间，且无需全局环境地图。作者强调，利用切换机制克服了导致连续向量场无法实现全局稳定性的拓扑障碍。

作者在结论中表现得较为谦逊，指出虽然目前的工作处理的是凸障碍物，但将该方法扩展到 非凸障碍物 以及 $n$ 维环境下的 二阶动力学（惯性）仍是未来的研究方向。本文并不声称解决了非凸导航问题，而是强调了凸情况下的鲁棒性是作为一项基础性的进展。

1. 两种模式：“直线冲刺” vs. “贴墙行走”

2. 核心技巧：“2D 切片”

3. “碰撞点”记忆

4. 为什么这比旧方法更好

5. 现实世界测试

总结

类似论文