人從樹林中走過尚且可能被刮到頭發(fā)、衣服，但這個無人機似乎不會。

如果面前有一片樹林，無人機能自己穿過去嗎？現(xiàn)在的技術(shù)已經(jīng)能夠做到這一點，但速度一般。 最近兩年，港科大沈劭劼教授帶領(lǐng)的研究小組向這一問題發(fā)起了挑戰(zhàn)。他們提出的新方法不僅能讓無人機穿過樹林，還實現(xiàn)了快速自主導(dǎo)航。

在樹林中進行的測試。播放速度：1 倍速。

在室內(nèi)布置的障礙中進行的測試。播放速度：1 倍速。 從 demo 中我們可以看到，這架無人機可以在障礙重重的室內(nèi)外快速飛行，即使在拐彎處也不會撞到障礙物。這還要得益于他們提出的一個穩(wěn)健的 perception-aware 重規(guī)劃框架——RAPTOR（字面含義：猛禽）。 正如名字中所寄予的期望，RAPTOR 經(jīng)歷了各種復(fù)雜環(huán)境的考驗，結(jié)果都能保證無人機的平穩(wěn)、快速自主飛行。相關(guān)研究已經(jīng)提交給機器人學(xué)頂會 T-RO 接受評審。

論文鏈接：https://arxiv.org/pdf/2007.03465.pdf

項目鏈接：https://github.com/HKUST-Aerial-Robotics/Fast-Planner

在此之前，該研究團隊還有兩篇相關(guān)論文，其中一篇被 ICRA 2020 接收。

讓無人機飛得又快又穩(wěn)難在哪兒？ 近年來，由于軌跡重規(guī)劃不斷取得進展，讓四旋翼無人機在未知環(huán)境中自主導(dǎo)航已經(jīng)不是什么難事。然而，大多數(shù)方法只適用于中速飛行。是什么阻礙了四旋翼無人機的提速之路？作者總結(jié)出了以下幾個原因： 1. 在未知的環(huán)境中高速運行時，四旋翼無人機需要在極短的時間內(nèi)重新規(guī)劃軌跡，以避免撞到障礙物，否則它會墜毀。然而，在非常有限的時間內(nèi)，大多數(shù)方法不能保證快速找到可行軌跡。 2. 目前的方法通常是在一個拓撲等價類中尋找局部最優(yōu)軌跡，但該類別可能并沒有包含平穩(wěn)、快速飛行所需的最佳解決方案。 3. 現(xiàn)有的方法對環(huán)境的感知不足，當飛行速度和障礙物密度變高時，這可能是一個致命的缺陷。如果不注意感知，按照原計劃執(zhí)行的運動可能會遭遇環(huán)境能見度受限等問題，進而導(dǎo)致安全航行所需的周圍空間信息不足。 圖 1 可以更好地說明在重新規(guī)劃中不考慮感知的后果。為了最小化能量消耗，系統(tǒng)在靠近墻壁的地方生成了一條軌跡。如果沿著這條軌跡飛行，無人機對角落后面未知空間的可見性非常有限，轉(zhuǎn)過去的瞬間才發(fā)現(xiàn)障礙物已經(jīng)近在眼前。然而，此時情況已經(jīng)難以逆轉(zhuǎn)，無人機可能會直接撞上去。因此，對于無人機的安全、高速飛行來說，積極地觀察和避免可能的危險比被動地躲避危險更加關(guān)鍵。

RAPTOR 做了什么？ 為了解決上述問題，港科大的研究者提出了一個穩(wěn)健的 perception-aware 軌跡重規(guī)劃框架——RAPTOR。 為了確保在有限的時間內(nèi)獲得可行軌跡，港科大的研究者提出了一種基于路徑引導(dǎo)梯度（path-guided gradient）的優(yōu)化方法，利用幾何引導(dǎo)路徑消除不可行的局部極小值，保證路徑重新規(guī)劃的成功。同時，為了進一步提高重新規(guī)劃的最優(yōu)性，該研究還引入了一種在線拓撲路徑規(guī)劃，以提取一組能夠捕捉環(huán)境結(jié)構(gòu)的全面的路徑。在多條不同路徑的引導(dǎo)下，多條軌跡并行優(yōu)化，使解空間得到更徹底的探索。 這一解決方案是在之前的論文《Robust real-time UAV replanning using guided gradient-based optimization and topological paths》中首次提出的。然而，該方法采用了 optimistic 的假設(shè)，缺乏對環(huán)境的感知意識，因此限制了無人機在更高速度、更復(fù)雜的環(huán)境中的能力。 為了彌補這一差距，研究人員采用 perception-aware 規(guī)劃策略將上述方法擴展到更快、更安全的飛行。 首先，該研究提出了一種風(fēng)險感知的軌跡精化方法，并將其與 optimistic 規(guī)劃器相結(jié)合。利用該方法，沿著 optimistic 軌跡，識別對無人機存在潛在危險的未知區(qū)域。這些區(qū)域的可見度以及安全反應(yīng)距離都被明確規(guī)定，以確保無人機能夠更早地發(fā)現(xiàn)未標記區(qū)域中存在的障礙并及時躲避。 其次，研究者將無人機的偏航角納入了兩步運動規(guī)劃框架。在離散狀態(tài)空間中尋找一個使信息增益和平滑度最大化的最優(yōu)偏航角序列，并通過優(yōu)化使其更加平滑。由偏航角規(guī)劃的運動使視場（FOV）受限的四旋翼無人機主動探索未知空間，為下一步的飛行獲取更多相關(guān)知識。 本文所提出的重規(guī)劃系統(tǒng)如圖 3 所示。該算法利用全局規(guī)劃、密集映射和狀態(tài)估計模塊的輸出，對全局參考軌跡進行局部修改，以避免先前未知的障礙物。 重規(guī)劃分兩步進行：首先，穩(wěn)健的 optimistic 重規(guī)劃通過路徑引導(dǎo)優(yōu)化并行生成多個局部最優(yōu)軌跡。優(yōu)化是通過從拓撲路徑搜索中提取并精心選擇的拓撲獨特路徑來引導(dǎo)的。在這一步中采用 optimistic 假設(shè)。第二步是利用 perception-aware 規(guī)劃策略。在這一步驟中，局部最優(yōu)軌跡中的最佳軌跡通過風(fēng)險感知軌跡精化進一步細化，提高了其在未知和危險空間中的安全性和可見性。在優(yōu)化軌跡的基礎(chǔ)上，偏航角得到規(guī)劃，以主動探索未知環(huán)境的內(nèi)容。

研究者通過基準比較和具有挑戰(zhàn)性的現(xiàn)實世界實驗，對所提出的 perception-aware 規(guī)劃策略和整個規(guī)劃系統(tǒng)進行了系統(tǒng)的評估。結(jié)果表明，perception-aware 規(guī)劃策略能夠在傳統(tǒng)方法無法保證安全的、具有挑戰(zhàn)性的場景中，支持快速和安全的飛行。此外，整個規(guī)劃系統(tǒng)在快速飛行任務(wù)的幾個方面都優(yōu)于 SOTA 方法。在復(fù)雜環(huán)境中進行的大量室內(nèi)外飛行試驗也驗證了該規(guī)劃系統(tǒng)的有效性。

作者簡介 本文一作 Boyu Zhou 是香港科技大學(xué) Robotics Institute 的在讀博士生，本科階段就讀于上海交通大學(xué)。他的研究興趣包括移動機器人運動規(guī)劃和密集映射、信息路徑規(guī)劃等。 Boyu Zhou的導(dǎo)師沈劭劼是香港科技大學(xué)副教授，同時擔任香港科技大學(xué) - 大疆創(chuàng)新聯(lián)合實驗室主任。他 2014 年于美國賓夕法尼亞大學(xué)獲得博士學(xué)位，并于同年加入香港科技大學(xué)任教。他的研究興趣主要集中在機器人和無人機領(lǐng)域，包括狀態(tài)估計、傳感器融合、定位和映射以及在復(fù)雜環(huán)境中的自主導(dǎo)航。 沈劭劼和他的研究團隊曾獲 IROS 2018 最佳學(xué)生論文獎、SSRR 2016、2015 最佳論文獎等獎項。去年拿到 200 萬左右年薪的「華為天才少年」秦通也是沈劭劼的學(xué)生。

責任編輯：lq