[论文解读] Robust Real-time UAV Replanning Using Guided Gradient-based Optimization and Topological Paths

Boyu Zhou, Fei Gao+2 more|arXiv (Cornell University)|Dec 29, 2019

Robotic Path Planning Algorithms参考文献 23被引用 5

一句话总结

本文提出了一种鲁棒且实时的无人机轨迹重规划方法，结合路径引导优化（PGO）与拓扑路径搜索，以克服基于梯度的轨迹优化（GTO）中的局部极小值问题。通过生成拓扑上不同的路径，并利用这些路径引导并行的GTO优化，该方法在复杂环境中实现了100%的重规划成功率，同时具备优异的轨迹平滑性与接近实时的性能。

ABSTRACT

Gradient-based trajectory optimization (GTO) has gained wide popularity for quadrotor trajectory replanning. However, it suffers from local minima, which is not only fatal to safety but also unfavorable for smooth navigation. In this paper, we propose a replanning method based on GTO addressing this issue systematically. A path-guided optimization (PGO) approach is devised to tackle infeasible local minima, which improves the replanning success rate significantly. A topological path searching algorithm is developed to capture a collection of distinct useful paths in 3-D environments, each of which then guides an independent trajectory optimization. It activates a more comprehensive exploration of the solution space and output superior replanned trajectories. Benchmark evaluation shows that our method outplays state-of-the-art methods regarding replanning success rate and optimality. Challenging experiments of aggressive autonomous flight are presented to demonstrate the robustness of our method. We will release our implementation as an open-source package.

研究动机与目标

• 解决基于梯度的轨迹优化（GTO）中局部极小值的关键问题，该问题会导致无人机重规划失败和次优轨迹。
• 提升在具有先前未知障碍物的动态复杂三维环境中的实时无人机重规划成功率与最优性。
• 通过确保在剧烈飞行条件和有限探测范围下仍能可靠恢复轨迹，实现鲁棒的高速自主飞行。
• 系统性地探索初始轨迹局部邻域之外的解空间，以避免过早收敛。
• 在计算效率与解质量之间取得平衡，以支持在嵌入式平台上在线实时重规划。

提出的方法

• 提出一种路径引导优化（PGO）框架，利用几何路径引导GTO，防止收敛至不可行的局部极小值。
• 开发一种高效的基于采样的拓扑路径搜索算法，以提取一组在拓扑上不同的路径，从而捕捉三维环境的结构布局。
• 利用多个拓扑路径启动并行GTO优化，实现对解空间的全面探索。
• 集成两阶段优化策略：首先进行路径精炼，随后通过梯度下降实现平滑性与安全性优化。
• 将每次优化的计算时间限制在10ms以内，拓扑路径构建时间控制在5–7ms之间，确保在标准CPU上的实时可行性。
• 利用体素占用图结合欧氏距离场（ESDF）实现实时重规划过程中的碰撞检测。

实验结果

研究问题

• RQ1 如何使基于梯度的轨迹优化在具有未知障碍物的复杂三维环境中对局部极小值更具鲁棒性？
• RQ2 在三维空间中，如何高效生成一组多样化的拓扑上不同的路径，以代表可行的导航路径？
• RQ3 与单路径GTO相比，通过多个拓扑路径引导的并行优化是否能显著提升重规划成功率与轨迹质量？
• RQ4 该方法在保持实时性能的同时，与最先进方法相比，在成功率与平滑性方面能提升到何种程度？
• RQ5 在感知范围有限、遭遇突发障碍物且飞行条件剧烈的情况下，该方法表现如何？

主要发现

• 所提方法在所有基准环境（低、中、高障碍物密度）中均实现了100%的重规划成功率，优于Ewok与TRR。
• 在轨迹平滑性方面，所提方法实现了最低的代价（低密度下为5.4357 m²/s⁵，高密度下为7.7038 m²/s⁵），显著优于Ewok与TRR。
• 尽管总计算时间略有增加（平均15.75ms），该方法仍保持实时可行性，其中GTO耗时10ms，拓扑路径搜索耗时5–7ms。
• 在复杂室内外场景中进行的剧烈自主飞行实验表明，该方法具备鲁棒性，即使在遭遇突发障碍物的情况下，也能实时生成安全且平滑的轨迹。
• 即使在竞争方法仅允许15ms时间预算的严苛条件下，该方法在成功率与平滑性方面仍持续优于最先进方法。
• 将拓扑路径搜索与PGO相结合，能够更有效地探索解空间，从而在不牺牲速度的前提下生成更高品质的轨迹。