导读 理工学院 (IIT) 马德拉斯分校的研究人员开发了一类快速高效的运动规划算法，该算法可以像人类一样思考，并使自主空中、地面或地面车辆能

理工学院 (IIT) 马德拉斯分校的研究人员开发了一类快速高效的“运动规划”算法，该算法可以像人类一样思考，并使自主空中、地面或地面车辆能够在障碍物杂乱的环境中导航。据该团队称，这些算法是基于“广义形状扩展”(GSE)的新概念开发的，该概念能够为自动驾驶汽车规划一条安全且动态可行的轨迹。

IIT Madras 运动规划算法

与许多现有的开创性和最先进的运动规划算法相比，这些方法已被发现可以产生更好的结果。由于其对“安全”区域的新颖计算，它为自动驾驶汽车、灾难响应、ISR 操作、空中无人机交付和行星探索等应用中出现的时间敏感规划场景提供了重要的进步，其中包括团队声称。

无人机 (UAV) 通常用于调查受影响地区并扫描碎片以执行搜索和救援任务。他们说，由于在此类应用中，需要以时间紧迫的方式提前规划无人机路径，因此这些算法可以发挥关键作用。

该研究由 IIT Madras 航空航天工程系助理教授 Satadal Ghosh 领导，在 AIAA Journal of Guidance, Control, and Dynamics 和 IEEE Con​​trol Systems Letters 等国际知名同行评审期刊上发表了多篇研究论文，以及IEEE 决策与控制会议 (CDC)、控制会议 (ACC) 和 AIAA SciTech 等层级会议。

该团队包括 IIT Madras 校友、德克萨斯大学奥斯汀分校()的博士研究学者 Vrushabh Zinage、波兰华沙理工大学的研究生 Adhvaith Ramkumar 和高盛分析师 Nikhil P。“基于 GSE 的算法通过计算由环境中大的‘可见’区域组成的‘安全’区域来运行，定制以确保可航行性，”Zinage 说。

“在此之后，算法在这个‘可见’区域中选择一个随机点，并通过安全‘边缘’将其连接到迄今为止发现的安全可达区域。最终，算法几乎总是可以连接任何环境中的任何两点，这满足某些基本标准，”Zinage 说。

IIT Madras 运动规划算法优势

研究人员解释说，基于 GSE 的算法的主要优势在于与其他几种完善的运动规划算法相比，计算效率有了显着提高。这自然导致基于 GSE 的算法在规划时间敏感的应用程序中具有很强的适用性。“这些算法没有使用计算量很大的专用碰撞检查模块，而是利用了‘广义形状’的新概念，它给出了从环境中的一个点可到达的自由空间的最大表示，这几乎类似于更新Adhvaith Rajkumar 说，人类对通过他或她周围的“安全”空间的看法。

从本质上讲，这显着提高了环境探索的速度，导致基于 GSE 的算法只需很少的迭代即可连接初始区域和目标区域。IIT Madras 航空航天工程系助理教授 Satadal Ghosh 在解释‘运动规划’算法的应用时说：“配备我们算法的无人机在灾难管理和响应场景中可以发挥重要作用。”

“在地震等灾难事件发生后，通常会部署无人机来调查受灾地区并扫描碎片以执行搜救任务。由于在此类应用中，需要以时间紧迫的方式提前规划无人机路径，我们的算法可以发挥关键作用，”他说。“从广义上讲，基于 GSE 的算法类别在自动化应用中具有广阔的潜力，包括仓库物料移动、项目调试检查、无人机交付、灾难管理、自动驾驶汽车等。

为了在多车辆设置中制定协调运动的策略，也可以利用这些算法，“他说。根据该团队的说法，这项研究的当前状态仅限于基于 GSE 的算法的理论开发和改进以及对其进行广泛的基于现实模拟的验证。研究人员进一步计划在不久的将来在无人机和地面车辆上实施这些算法。

“在动态环境中，环境知识仅限于来自车载传感器的信息，或者当任务命令由于动态变化的关键任务要求(例如情报、监视和侦察 (ISR) 操作或使用漫游车进行行星探索，通常需要对运动进行频繁的时间紧迫的重新规划，”Ghosh 说。“即使在这种情况下，我们目前的研究表明，由于这些算法在环境中的不同点计算的可见区域的独特性质，我们基于 GSE 的算法使移动中的运动规划变得更加容易，”Ghosh说。