[论文解读] Algorithms for Routing of Unmanned Aerial Vehicles with Mobile Recharging Stations and for Package Delivery.

Kevin Yu, Ashish Kumar Budhiraja+1 more|arXiv (Cornell University)|Mar 31, 2017

Robotic Path Planning Algorithms被引用 15

一句话总结

本文提出了一种针对无人机（UAV）与移动充电站（UGV）及固定充电点协同工作的最优路由算法，旨在最小化任务时间的同时满足电池容量约束。通过广义TSP（Generalized TSP, GTSP）方法，联合规划无人机巡游路线、UGV移动路径以及充电位置，对中等规模实例可在实际时间内获得最优解，并可扩展至快递配送场景。

ABSTRACT

We study the problem of planning tours for an Unmanned Aerial Vehicle (UAV) to visit a given set of sites in the least amount of time. This is the classic Traveling Salesperson Problem (TSP). UAVs have limited battery life and as a result may not be able to visit all the points on a single charge. We envision scenarios where the UAVs can be recharged along the way either by landing on stationary recharging stations or on Unmanned Ground Vehicles (UGVs) acting as mobile recharging stations. We present an algorithm to find the optimal tours to determine not only the order in which to visit the sites but also when and where to land on the UGV to recharge. Our algorithm plans tours for the UGVs as well as determines best locations to place stationary charging stations. While the problem we study is NP-Hard, we present a practical solution using Generalized TSP that finds the optimal solution (albeit in possibly exponential worst-case running time). Our simulation results show that the running time is acceptable for reasonably sized instances in practice. We also show how to modify our algorithms to plan for package delivery with UAVs using UGVs as mobile warehouses.

研究动机与目标

• 为解决无人机在需访问多个站点的任务中因电池电量耗尽而中断的问题。
• 联合优化无人机巡游顺序、充电位置以及UGV（移动充电站）的路径。
• 确定固定充电站的最优布置位置，同时优化无人机与UGV的路径。
• 将该框架扩展至利用UGV作为移动仓库的无人机快递配送场景。
• 为NP难的路径规划问题提供一种实用且最优的解决方案，兼顾能量与移动性约束。

提出的方法

• 将带充电功能的无人机路径规划问题建模为广义TSP（GTSP），以联合优化访问顺序、充电点位置及UGV路径。
• 通过要求无人机在任务过程中于固定充电站或移动UGV处进行充电，来建模无人机的能量约束。
• 将UGV路径规划整合进GTSP框架中，以确定最优的着陆与充电位置。
• 使用精确的GTSP求解器计算最优路径，尽管该问题具有NP难性质。
• 通过将UGV建模为无人机可卸载和重新装载货物的移动仓库，对算法进行适配以支持快递配送场景。
• 采用仿真方法评估在实际问题实例下的性能表现与运行时间。

实验结果

研究问题

• RQ1 如何对无人机进行最优路径规划，以访问多个站点，同时管理有限的电池续航？
• RQ2 固定充电站的最优布置位置与移动UGV充电平台的协调策略是什么？
• RQ3 如何联合规划无人机与UGV的轨迹以最小化任务总时长？
• RQ4 与固定充电站相比，使用移动充电站对任务可行性与持续时间有何影响？
• RQ5 所提出的框架能否扩展以支持以UGV作为移动枢纽的无人机快递配送？

主要发现

• 所提出的基于GTSP的方法即使在NP难问题背景下，也能找到无人机与UGV的最优路径。
• 仿真结果表明，对于合理规模的问题实例，运行时间可接受，具备实际可行性。
• 将移动UGV作为充电平台可实现比仅依赖固定充电站更长的任务续航。
• 通过将UGV建模为移动仓库，该框架成功扩展至无人机快递配送场景。
• 联合优化无人机路径规划、充电策略与UGV移动轨迹，相比顺序规划方法，可显著缩短任务完成时间。