【51CTO.com快译】印度理工学院（IIT）马德拉斯分校的研究人员近日开发出了一种快速高效的“运动规划”算法，该算法可以像人类一样思考，能让空中或地面的车辆在杂乱的环境中自动导航。
据研究团队称，算法是基于“广义形状扩展”（GSE）新概念开发的，这个新概念能够为自动驾驶车辆规划一条安全且动态可行的轨迹。
与许多目前最先进的运动规划算法相比，印度的这一算法可以获得了更好的效果。
团队称，由于采用新颖的方法计算“安全”区，它在许多对效率要求极高的线路规划场景下，提供了至关重要的帮助，比如自动驾驶汽车、灾难响应、ISR操作、空中无人机送货和行星探索等应用。
无人机（UAV）常常用于勘查受灾地区，并扫描残骸，以执行搜救任务。研究人员称，由于在这类应用中需要争迅速规划无人机飞行路径，他们的算法可以发挥关键作用。
该研究由印度理工学院马德拉斯分校的航空航天工程系助理教授Satadal Ghosh领导，已在《AIAA Journal of Guidance, Control and Dynamics》和《IEEE Control Systems Letters》等国际知名期刊，以及IEEE决策与控制大会（CDC）、美国控制会议（ACC）和AIAA等顶级会议上发表了数篇研究论文。
团队成员包括：印度理工学院马德拉斯分校校友、得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以及高盛分析师Nikhil P。
Zinage说：“基于GSE的算法其工作原理是，计算由环境中由大的‘可见’区域组成的‘安全’区，基于GSE的算法会进行规划，确保可导航性。”
Zinage说：“随后，该算法会在‘可见’区域中随机选择一个点，并通过安全‘边缘’将其连接到当前安全可达区域。最终，该算法几乎总是可以连接环境中的任意两点，满足了某些基本标准。”
该研究人员解释，基于GSE的算法其主要优势在于，与另外几种传统的运动规划算法相比，计算效率显著提高。
这自然使得基于GSE的算法特别适合规划紧急场景。
Adhvaith Rajkumar说：“这种算法不需要使用耗费量大计算的碰撞检查模块，而是利用了‘广义形状’这个新概念，广义空间是从环境中的一个点可到达的最大自由空间，这一方式类似于人类对“安全”空间的判断方式。”
这一算法本质上提高了探测环境的速度，基于GSE的算法只需很少的迭代即可连接初始区和目标区。
解释“运动规划”算法的应用时，印度理工学院马德拉斯分校的航空航天工程系助理教授Satadal Ghosh说：“配备我们算法的无人机在灾害管理和响应场景中可以发挥重要作用。”
他说：“发生地震等灾难事件后，常常派无人机去勘查受灾地区，并扫描残骸以执行搜救任务。由于在这类应用中需要快速提前规划无人机飞行路径，我们的算法可以发挥关键作用。”
他说：“笼统地讲，基于GSE的这类算法在自动应用环境下有广阔的潜力，包括仓库物料运输、项目竣工验收、无人机运送、灾难管理、自动驾驶汽车等。还可以利用这种算法，在多车辆环境下制定协调运动的策略。”
据团队声称，这项研究的现状是局限于基于GSE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。
研究人员计划在不久的将来在无人机和地面车辆上应用这些算法。
Ghosh说：“在动态环境下，来自车载传感器的位置信息是有限的，或者当任务因动态变化的关键任务要求（比如情报、监视和侦察即ISR操作，或使用漫游车进行的行星探测）而干预车辆的移动时，通常需要对运动进行频繁的、快速的重新规划。”
Ghosh说：“我们目前的研究表明，即使在这种情况下，由于我们基于GSE的算法在环境中的不同点计算的可见区具有的独特性，这种算法使实时运动规划变得容易许多。”
【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】
