Online path planning for kinematic-constrained UAVs in a dynamic environment based on a Differential Evolution algorithm
本文提出了一种针对动态环境下具有运动学约束的无人机（UAV）的在线路径规划方法，该方法利用结合了NURBS路径表示与速度障碍（Velocity Obstacle）概念的差分进化算法来处理运动约束与障碍物。
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
想象一个微型自动飞行无人机成为新型送货员、高空摄影师以及搜救队勇敢侦察兵的世界。虽然有些无人机看起来像长着四个旋转螺旋桨的嗡嗡蜜蜂，但另一些则是像微型飞机一样拥有固定翼的设计。这些“固定翼”飞行器是天空中的马拉松选手：它们比那类四旋翼的亲戚飞得更快、更远，且能携带更重的载荷。但问题在于，就像真正的飞机一样，固定翼无人机不能像原地踏步那样停在原地，也不能在极小的圆圈内旋转。它必须保持向前移动并进行平缓转弯，就像行驶在高速公路上的汽车无法在停车场里做掉头动作一样。
现在，想象这些无人机正穿梭在一个充满其他移动物体的繁忙空中——也许是其他无人机、鸟类，甚至是突如其来的障碍物。科学家面临的一个巨大挑战是，如何教这些无人机在飞行过程中进行路径规划。它们需要规划出一条平滑、安全的路径，既要符合它们的转弯限制，又要避开移动物体，并最终到达目的地。这有点像试图驾驶一辆又长又重的卡车穿过拥挤的城市街道，而周围的车辆不断变换车道，同时你还被限制只能进行大角度转弯。如果卡车试图转弯过急，它就会翻车；如果它反应不够快，没能躲开突然横切到它前方的汽车，它就会撞车。这就是研究人员试图解决的谜题：如何让这些快速、大型的无人机变得足够聪明，能够在混乱且变动的世界中进行实时导航。
在这篇论文中，一个研究小组为这些固定翼无人机引入了一个全新的“大脑”，让它们即使在周围环境不断变化的情况下，也能实时规划飞行路径。你可以把无人机的飞行路径想象成不是一套僵化的指令，而是一根灵活、有弹性的橡皮筋。研究人员使用一种叫做 NURBS 曲线的数学工具（这只是描述一条平滑、可弯曲线条的一种高级方式）来表示这根橡皮筋。该系统并不是每秒钟都尝试从头绘制一条新路径，而是通过对现有的橡皮筋进行轻微的“推挤”来避开麻烦。
为了确定路径应该向哪个方向“推挤”，他们使用了一种被称为“差分进化”（Differential Evolution）的巧妙算法。你可以把这个算法想象成一群虚拟的蜜蜂，每只蜜蜂都在尝试略微不同的飞行路径版本。有些蜜蜂尝试向上飞高一点的路径，有些则尝试向左多弯曲一点的路径。算法会检查每一个这样的“假设路径”，以查看哪一个才是最好的。而“最好”的路径是那个最短的（节省能量），但最重要的是，它不会撞到任何东西。
奇迹发生在这里：研究人员给他们的虚拟蜜蜂增加了一条特殊的规则，即“速度障碍”（Velocity Obstacle）概念。想象一下，你正在走廊里行走，看到有人正朝你跑来。你不仅仅看他们现在在哪里，你还会看他们正要去哪里以及移动的速度有多快。如果他们的路径和你的路径会在几秒钟内发生交叉，你就知道你需要侧身避让。无人机的这个新大脑也做着完全相同的事情。它观察在其“感知范围”内看到的每一个障碍物的速度和方向，并计算出天空中的一个“危险区域”。如果一条潜在的飞行路径会导致无人机进入这个危险区域，算法会立即拒绝该路径并尝试另一种方案。
团队在计算机模拟中测试了这个想法，创建了一个带有移动障碍物的虚拟世界。他们发现，他们的这个新规划器反应极其迅速——大约每 0.1 秒就能反应一次。这比他们之前的方法有了巨大的提升，之前的速度要慢得多。在这些模拟实验中，无人机成功地穿梭于拥挤、动态的环境中，通过平滑地弯曲它的“橡皮筋”路径来躲避移动的障碍物，且从未违反其转弯限制。研究人员指出，这种方法是可行的，并为未来的工作提供了坚实的基础，包括将这些想法扩展到三维空间（例如，不仅是左右移动，还有上下飞行）。虽然目前的结果仅限于模拟实验，但这项研究表明，将灵活的路径形状与智能的前瞻性避障相结合，是让固定翼无人机在繁忙的天空中保持安全的一种极具前景的方式。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。