【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】