[论文解读] A Receding Horizon Multi-Objective Planner for Autonomous Surface Vehicles in Urban Waterways

Tixiao Shan, Wei Wang+3 more|arXiv (Cornell University)|Jul 16, 2020

Robotic Path Planning Algorithms参考文献 29被引用 4

一句话总结

本文提出了一种用于城市水道中自主水面航行器（ASVs）的模型预测控制多目标规划方法，采用词典优化法在动态更新的障碍物图中分层优先处理导航目标（如碰撞风险、航向一致性与路径长度）。该方法实现了无需调参的实时安全路径规划，在仿真与真实实验中均通过四分之一比例的Roboat平台验证了其在移动障碍物环境下的有效性。

ABSTRACT

We propose a novel receding horizon planner for an autonomous surface vehicle (ASV) performing path planning in urban waterways. Feasible paths are found by repeatedly generating and searching a graph reflecting the obstacles observed in the sensor field-of-view. We also propose a novel method for multi-objective motion planning over the graph by leveraging the paradigm of lexicographic optimization and applying it to graph search within our receding horizon planner. The competing resources of interest are penalized hierarchically during the search. Higher-ranked resources cause a robot to incur non-negative costs over the paths traveled, which are occasionally zero-valued. The framework is intended to capture problems in which a robot must manage resources such as risk of collision. This leaves freedom for tie-breaking with respect to lower-priority resources; at the bottom of the hierarchy is a strictly positive quantity consumed by the robot, such as distance traveled, energy expended or time elapsed. We conduct experiments in both simulated and real-world environments to validate the proposed planner and demonstrate its capability for enabling ASV navigation in complex environments.

研究动机与目标

• 开发一种用于自主水面航行器（ASVs）在复杂城市水道中动态障碍物环境下实时路径规划的框架。
• 解决多目标运动规划中的挑战，即在碰撞风险、航向偏差与路径长度等相互竞争的目标之间实现分层优先排序。
• 通过在模型预测控制框架中应用词典优化法，实现高效、无参数的规划，无需迭代约束调参。
• 在仿真环境与真实实验中验证该规划器的性能，实验平台为配备移动障碍物的四分之一比例Roboat。

提出的方法

• 规划器采用模型预测控制方法，基于全局参考路径与视场范围内传感器探测到的障碍物动态构建图结构。
• 障碍物通过Velodyne VLP-16激光雷达检测，距离小于5米的回波数据被视为障碍物信息。
• 采用改进的激光雷达里程计系统，实现实时ASV在环境中的定位。
• 路径搜索采用Dijkstra算法的变体，支持对多个按优先级排序的代价指标进行词典优化。
• 代价按层级进行惩罚：优先级更高的目标（如风险）首先被最小化，且在安全区域可为零；优先级较低的目标（如距离）仅用于平局时的决策。
• 该框架与代价指标数量呈线性关系，确保在嵌入式系统中实时部署的计算效率。

实验结果

研究问题

• RQ1 如何在动态城市水道环境中，有效平衡多个冲突目标（如安全性、航向一致性与路径长度）？
• RQ2 词典优化能否在无需迭代参数调优的情况下，高效应用于ASVs的基于图的路径规划？
• RQ3 在障碍物密集场景下，目标的分层优先排序相较于单目标或加权和方法，如何提升路径质量？
• RQ4 该规划器在存在移动障碍物与动态环境变化时，能够在多大程度上维持安全且可行的路径？

主要发现

• 规划器成功生成了避开障碍物并保持航向一致性的安全路径，即使在障碍物移动或阻断参考路径时亦然。
• 在真实实验中，当机器人被两个障碍物阻挡时保持静止，并在路径恢复后自动重启导航，展现出对动态环境的鲁棒性。
• 在三项指标（风险、航向、距离）下，路径的代价分别为：风险32.7，航向偏差56.4°，距离8.1 m，表明词典优先排序实现了有效的权衡。
• 词典搜索方法在极少调参下获得高质量解，仅需定义目标优先级，无需设定权重或约束。
• 计算复杂度与代价指标数量呈线性关系，确保在嵌入式系统中实现实时性能。
• 与单目标及双目标方法相比，该方法显著降低了风险，同时仅带来可接受的航向与距离代价增加。