[论文解读] Downwash-Aware Trajectory Planning for Large Quadrotor Teams

James A. Preiss, Wolfgang Hönig+2 more|arXiv (Cornell University)|Apr 17, 2017

Robotic Path Planning Algorithms参考文献 15被引用 9

一句话总结

本文提出一种针对大型四旋翼机群的两阶段轨迹规划方法，考虑了下洗效应，以实现安全、高密度的编队飞行。该方法首先使用基于图的离散规划器进行防碰撞和防下洗的路径规划，随后通过连续的、C^k阶光滑优化，最小化平方导数的积分，从而在几分钟内实现最多200架无人机的平滑、物理上合理的轨迹规划，并在真实飞行中成功验证了32架纳米四旋翼机的飞行表现。

ABSTRACT

We describe a method for formation-change trajectory planning for large quadrotor teams in obstacle-rich environments. Our method decomposes the planning problem into two stages: a discrete planner operating on a graph representation of the workspace, and a continuous refinement that converts the non-smooth graph plan into a set of C^k-continuous trajectories, locally optimizing an integral-squared-derivative cost. We account for the downwash effect, allowing safe flight in dense formations. We demonstrate the computational efficiency in simulation with up to 200 robots and the physical plausibility with an experiment with 32 nano-quadrotors. Our approach can compute safe and smooth trajectories for hundreds of quadrotors in dense environments with obstacles in a few minutes.

研究动机与目标

• 解决在高密度、障碍物丰富的环境中，对大规模四旋翼机群实现安全、可扩展的轨迹规划的挑战。
• 在近距离飞行中考虑四旋翼机之间的下洗效应，以确保物理安全。
• 实现高阶平滑度（C^k）和能量效率的动态可行轨迹。
• 在大规模多机器人系统中，平衡计算效率与时间及能量使用的最优性。
• 通过一种任意时间迭代精炼方案，实现计算时间与轨迹质量之间的用户可控权衡。

提出的方法

• 将轨迹规划问题分解为两个阶段：基于图的离散规划阶段和连续轨迹精炼阶段。
• 将四旋翼机建模为三维椭球体，并设置用户定义的下洗安全半径（例如0.3 m或0.9 m），以在规划中强制执行最小间距。
• 使用整数线性规划（ILP）求解离散阶段的最小完成时间分配与路径，同时满足下洗和障碍物约束。
• 对每个机器人独立应用连续、解耦的优化，生成最小化积分平方导数代价函数的C^k阶光滑轨迹。
• 实现一种任意时间迭代精炼过程，在固定计算预算内提升轨迹的平滑度和动态特性。
• 支持高达用户定义导数阶数的任意平滑度，确保物理上合理的控制输入。

实验结果

研究问题

• RQ1 两阶段规划方法是否能有效平衡大规模四旋翼机群的可扩展性、物理合理性与平滑度？
• RQ2 显式建模下洗效应在多机器人飞行中如何提升安全性并实现更密集的编队？
• RQ3 在不显著增加计算成本的前提下，迭代精炼能在多大程度上改善轨迹平滑度和动态性能？
• RQ4 该方法是否能扩展到数百架无人机，同时在复杂、障碍物丰富的环境中保持低完成时间与高平滑度？
• RQ5 该方法在真实飞行实验中（特别是物理硬件上）的表现如何，特别是在轨迹执行保真度与安全性方面？

主要发现

• 该方法在几分钟内成功为最多200架四旋翼机在高密度、障碍物丰富的环境中计算出安全且平滑的轨迹。
• 32架Crazyflie纳米四旋翼机的飞行测试成功执行了预定轨迹，在空中形成了字母'USC'，证明了物理合理性和现实可行性。
• 迭代精炼将峰值加速度从5.2 m/s²降低至1.6 m/s²，峰值角速度从2.2 rad/s降低至0.4 rad/s，显著提升了动态平滑度。
• 离散规划器在40秒内完成32架无人机'USC'任务的求解，完成时间K=17个时间步长，连续阶段在3秒内生成初始平滑轨迹。
• 连续优化阶段在19秒内完成六轮精炼迭代，所有实验中二次规划代价函数均实现收敛。
• 该方法在网格分辨率下是完备的，且在积分平方导数代价函数下是局部最优的，确保了高质量的轨迹输出。