[论文解读] Differential Evolution for Efficient AUV Path Planning in Time Variant Uncertain Underwater Environment

Somaiyeh Mahmoud Zadeh, David Powers+3 more|arXiv (Cornell University)|Apr 9, 2016

Maritime Navigation and Safety参考文献 20被引用 24

一句话总结

本文提出了一种基于差分进化（DE）的路径规划框架，用于在时间变化、不确定的水下环境中，面对动态障碍物和海流的自主水下航行器（AUVs）路径规划。通过整合实时海流图和障碍物数据，该方法以较低的计算成本高效计算出安全且满足运动学可行性的路径，在动态条件下展现出良好的避碰能力和对有利海流的利用能力。

ABSTRACT

The AUV three-dimension path planning in complex turbulent underwater environment is investigated in this research, in which static current map data and uncertain static-moving time variant obstacles are taken into account. Robustness of AUVs path planning to this strong variability is known as a complex NP-hard problem and is considered a critical issue to ensure vehicles safe deployment. Efficient evolutionary techniques have substantial potential of handling NP hard complexity of path planning problem as more powerful and fast algorithms among other approaches for mentioned problem. For the purpose of this research Differential Evolution (DE) technique is conducted to solve the AUV path planning problem in a realistic underwater environment. The path planners designed in this paper are capable of extracting feasible areas of a real map to determine the allowed spaces for deployment, where coastal area, islands, static/dynamic obstacles and ocean current is taken into account and provides the efficient path with a small computation time. The results obtained from analyze of experimental demonstrate the inherent robustness and drastic efficiency of the proposed scheme in enhancement of the vehicles path planning capability in coping undesired current, using useful current flow, and avoid colliding collision boundaries in a real-time manner. The proposed approach is also flexible and strictly respects to vehicle's kinematic constraints resisting current instabilities.

研究动机与目标

• 解决在时间变化、不确定的水下环境中，存在移动障碍物和海流时，3D AUV路径规划的NP难问题。
• 通过利用动态环境数据最小化碰撞风险并优化路径遍历，提升AUV任务的安全性与效率。
• 开发一种计算高效、鲁棒的路径规划解决方案，同时满足AUV的运动学约束。
• 实现在任务执行过程中对变化的海流模式和障碍物位置的实时适应能力。

提出的方法

• 所提出的方法采用差分进化（DE）这一随机优化算法，在复杂水下地形中搜索最优3D路径。
• 该算法将静态和动态障碍物地图以及随时间变化的海流数据作为适应度函数中的约束条件。
• 通过海岸线、岛屿位置和障碍物位置预先识别可行路径区域，以限制搜索空间。
• 适应度函数对违反运动学约束、与障碍物发生碰撞或进入不利海流区域的路径段施加惩罚。
• DE算法通过多代演化候选路径群体，优先选择旅行时间最短、能耗最低且安全裕度最高的解。
• 通过确保路径具有连续且平滑的轨迹，同时满足AUV的转弯半径和速度限制，验证路径的可行性。

实验结果

研究问题

• RQ1 如何使AUV路径规划在复杂水下环境中对时间变化的海流和动态障碍物具有鲁棒性？
• RQ2 差分进化在实时环境不确定性下，能否高效求解NP难的3D路径规划问题？
• RQ3 所提出的基于DE的规划器在动态场景中能否在最小化路径成本和碰撞风险的同时保持运动学可行性？
• RQ4 该算法在利用有利海流以提高任务效率方面表现如何？

主要发现

• 所提出的基于DE的路径规划器在复杂水下环境中成功生成了安全、可行的3D路径，且计算开销极低。
• 该方法在时间变化的海流条件下，对静态和动态障碍物均表现出高度的避碰鲁棒性。
• 该算法能够有效利用有利海流，降低路径成本并减少旅行时间。
• 该解决方案充分尊重AUV的运动学约束，确保轨迹平滑且可执行。
• 实验结果表明，与传统方法相比，该方法在路径规划效率和适应性方面有显著提升。
• 该方法实现了实时性能，适用于动态水下任务的部署。