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)歷了各種復雜環(huán)境的考驗，結果都能保證無人機的平穩(wěn)、快速自主飛行。相關研究已經(jīng)提交給機器人學頂會 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，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梯度（path-guided gradient）的優(yōu)化方法，利用幾何引導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)境結構的全面的路徑。在多條不同路徑的引導下，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，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險感知的軌跡精化方法，并將其與 optimistic 規(guī)劃器相結合。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的。在這一步中采用 optimistic 假設。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)在快速飛行任務的幾個方面都優(yōu)于 SOTA 方法。在復雜環(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 Robotics Institute 的在讀博士生，本科階段就讀于上海交通大學。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的導師沈劭劼是香港科技大學副教授，同時擔任香港科技大學 - 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獲得博士學位，并于同年加入香港科技大學任教。他的研究興趣主要集中在機器人和無人機領域，包括狀態(tài)估計、傳感器融合、定位和映射以及在復雜環(huán)境中的自主導航。 沈劭劼和他的研究團隊曾獲 IROS 2018 最佳學生論文獎、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生。

責任編輯：lq