[论文解读] RAPTOR: Robust and Perception-aware Trajectory Replanning for Quadrotor Fast Flight

Boyu Zhou, Jie Pan+2 more|arXiv (Cornell University)|Jul 6, 2020

Robotic Path Planning Algorithms参考文献 46被引用 19

一句话总结

RAPTOR 是一种适用于高速无人直升机飞行的鲁棒且具备感知意识的轨迹重规划框架，通过结合路径引导优化与拓扑路径规划，在严格的时间约束下确保轨迹的可行性与高质量。通过集成风险感知的轨迹精炼与主动感知的航向角规划，RAPTOR 实现了对未知障碍物的更早探测，显著提升了在高速、复杂环境下的安全性与性能，该方法已通过在室内和室外环境中最高达 3.41 m/s 的大量飞行测试得到验证。

ABSTRACT

Recent advances in trajectory replanning have enabled quadrotor to navigate autonomously in unknown environments. However, high-speed navigation still remains a significant challenge. Given very limited time, existing methods have no strong guarantee on the feasibility or quality of the solutions. Moreover, most methods do not consider environment perception, which is the key bottleneck to fast flight. In this paper, we present RAPTOR, a robust and perception-aware replanning framework to support fast and safe flight. A path-guided optimization (PGO) approach that incorporates multiple topological paths is devised, to ensure finding feasible and high-quality trajectories in very limited time. We also introduce a perception-aware planning strategy to actively observe and avoid unknown obstacles. A risk-aware trajectory refinement ensures that unknown obstacles which may endanger the quadrotor can be observed earlier and avoid in time. The motion of yaw angle is planned to actively explore the surrounding space that is relevant for safe navigation. The proposed methods are tested extensively. We will release our implementation as an open-source package for the community.

研究动机与目标

• 解决在现有方法因时间约束和缺乏感知意识而失效的未知、复杂环境中，实现鲁棒、高速轨迹重规划的挑战。
• 通过利用多种拓扑上不同的路径进行优化，在计算资源受限的情况下提升轨迹的可行性与质量。
• 通过主动规划感知——即通过战略性航向运动和可见性保障，实现对未知障碍物的早期探测——提升高速飞行中的安全性。
• 开发一种集鲁棒重规划与主动感知于一体的系统，实现在复杂室内与室外环境中可靠的自主导航。

提出的方法

• 路径引导优化（PGO）框架利用几何引导路径，帮助逃离局部极小值，并在有限时间内确保轨迹解的可行性。
• 在线拓扑路径规划提取一组拓扑上不同的路径，用以引导并行轨迹优化，提升解空间的探索能力。
• 风险感知的轨迹精炼策略强制对潜在危险的未知区域保持可见性，并确保安全反应距离，防止临界时刻的意外发生。
• 通过两步框架显式规划航向角：首先进行离散搜索以实现最优信息增益与平滑性，随后进行连续优化，以实现对遮挡区域的主动探索。
• 系统与全局规划、状态估计、建图和控制模块集成，实现在真实无人直升机平台上端到端的自主飞行。
• 该框架已实现为开源软件包，供社区使用，支持在激进飞行场景中实现实时性能。

实验结果

研究问题

• RQ1 在高速无人直升机飞行中，如何在严格的时间约束下实现鲁棒且高效的轨迹重规划？
• RQ2 在复杂环境中，拓扑路径多样性如何提升优化轨迹的质量与可行性？
• RQ3 在障碍物未知且被遮挡的情况下，主动感知在提升高速飞行安全性方面发挥何种作用？
• RQ4 如何战略性地规划航向运动，以最大化对危险、未测绘区域的可见性并提升态势感知？
• RQ5 在高密度未知环境中，感知意识规划相较于无感知意识方法的性能优势有多大？

主要发现

• RAPTOR 在高速飞行任务中表现出一致的成功率，室外森林中最高飞行速度达 3.41 m/s，室内飞行速度达 2.90 m/s，性能优于当前最先进的方法，兼具速度与安全性。
• 在密集森林环境中，无人直升机以平均 2.14 m/s 的速度完成 46.85 米飞行，耗时 21.91 秒，证明了其在非结构化、遮挡环境中的鲁棒性。
• 感知意识策略通过确保对潜在危险未知区域的可见性，降低了临界时刻遭遇障碍物的风险，实现了及时规避。
• 航向角规划的集成提升了信息增益与可见性，使无人直升机能够比无感知意识方法更早探测到障碍物。
• 基准对比显示，RAPTOR 在成功率与解质量方面优于 EWOK 和 RE Traj 等方法，尤其在高密度环境中表现更优。
• 在真实飞行测试中，系统表现出高度可靠性，激进的室内与室外飞行实验中均未发生坠机，归功于鲁棒优化与感知意识的结合。