[论文解读] EVA-Planner: Environmental Adaptive Quadrotor Planning

Lun Quan, Zhiwei Zhang+3 more|arXiv (Cornell University)|Nov 9, 2020

Robotic Path Planning Algorithms参考文献 17被引用 4

一句话总结

本文提出EVA-Planner，一种环境自适应四旋翼轨迹规划器，通过多层模型预测轮廓控制（Multi-MPCC）框架，根据障碍物密度和运动趋势动态调整飞行激进程度。通过将环境风险评估与实时运动动力学相结合，该方法在复杂三维环境中实现了更安全、更平滑、更快速的轨迹规划，在仿真和真实世界测试中均优于以往的自适应规划器，在具有挑战性的室内外场景中实现了100%成功率。

ABSTRACT

The quadrotor is popularly used in challenging environments due to its superior agility and flexibility. In these scenarios, trajectory planning plays a vital role in generating safe motions to avoid obstacles while ensuring flight smoothness. Although many works on quadrotor planning have been proposed, a research gap exists in incorporating self-adaptation into a planning framework to enable a drone to automatically fly slower in denser environments and increase its speed in a safer area. In this paper, we propose an environmental adaptive planner to adjust the flight aggressiveness effectively based on the obstacle distribution and quadrotor state. Firstly, we design an environmental adaptive safety aware method to assign the priority of the surrounding obstacles according to the environmental risk level and instantaneous motion tendency. Then, we apply it into a multi-layered model predictive contouring control (Multi-MPCC) framework to generate adaptive, safe, and dynamical feasible local trajectories. Extensive simulations and real-world experiments verify the efficiency and robustness of our planning framework. Benchmark comparison also shows superior performances of our method with another advanced environmental adaptive planning algorithm. Moreover, we release our planning framework as open-source ros-packages.

研究动机与目标

• 为解决现有四旋翼规划器在动态和密集环境中缺乏自适应飞行激进程度的问题。
• 开发一种规划器，可在高风险区域（如密集森林）自动减速，在开阔区域自动加速。
• 在保持实时性能的同时，确保轨迹平滑性、动力学可行性及无碰撞运动。
• 通过大量仿真和真实世界实验，验证规划器的鲁棒性与效率。
• 将该框架以开源ROS包形式发布，以促进更广泛的研究应用。

提出的方法

• 该方法引入一种环境自适应的安全感知机制，基于欧氏距离变换（EDT）的梯度和四旋翼的瞬时速度矢量，为障碍物分配优先级。
• 利用EDT梯度和运动趋势计算环境风险等级，实现实时周围障碍物危险性的评估。
• 采用多层模型预测轮廓控制（Multi-MPCC）框架，将风险感知的障碍物优先级整合到轨迹生成中。
• 通过实时优化安全性、激进程度和平滑性，生成局部最优、平滑且动力学可行的轨迹。
• 框架使用NLopt进行非线性优化，并确保每层MPC的计算时间低于10ms，支持实时运行。
• 系统在机载平台上实现，并在仿真和真实世界环境中进行了测试，涵盖复杂的室内外场景。

实验结果

研究问题

• RQ1 如何使四旋翼规划器根据实时环境风险和运动状态动态调整飞行激进程度？
• RQ2 将运动趋势与EDT梯度相结合，对障碍物优先级划分和轨迹安全性有何影响？
• RQ3 统一的多层MPC框架是否能在不同环境密度下生成平滑、安全且动力学可行的轨迹？
• RQ4 与最先进的自适应规划器SDDM相比，所提出的EVA-Planner在速度、安全性和适应性方面表现如何？
• RQ5 该规划器在复杂、未知环境中，且传感器可视范围有限时，实际表现如何？

主要发现

• EVA-Planner在10次重复的户外飞行中，成功穿越密集灌木丛和开阔区域，成功率达100%，证明了其在真实世界未知环境中的鲁棒性。
• 在狭窄通道测试中，EVA-Planner的速率曲线比SDDM更合理，表现出更平滑的加速与减速，避免了不必要的保守行为。
• 基准测试结果表明，与SDDM相比，EVA-Planner在不同障碍物密度下平均运行时间减少7.5%至22.5%，且随着密度增加，性能差距进一步扩大。
• 规划器保持了实时性能，每层MPC的优化时间低于10ms，支持机载执行。
• 在具有突发障碍物的复杂室内场景中，EVA-Planner实现了安全避障，而非自适应版本在3次试验中有2次失败。
• 该方法成功使四旋翼在开阔区域以最高速度飞行，同时在高风险区域适当减速，验证了其自适应激进程度的有效性。