[论文解读] Solving a Path Planning Problem in a Partially Known Environment using a Swarm Algorithm

Esh Vckay, Mansimar Aneja+1 more|arXiv (Cornell University)|May 9, 2017

Robotic Path Planning Algorithms参考文献 18被引用 3

一句话总结

本文提出了一种混合路径规划方法，用于在部分已知的户外环境中实现自主地面车辆的导航，该方法受白蚁筑巢行为启发，采用仿生群体算法。该方法结合了基于高程和土壤数据的等级化地形评估（全局路径规划），以及利用向量场直方图（VFH）技术实现实时局部避障，从而在具有动态障碍物的复杂地形模拟环境中实现了稳健的导航。

ABSTRACT

This paper proposes a path planning strategy for an Autonomous Ground Vehicle (AGV) navigating in a partially known environment. Global path planning is performed by first using a spatial database of the region to be traversed containing selected attributes such as height data and soil information from a suitable spatial database. The database is processed using a biomimetic swarm algorithm that is inspired by the nest building strategies followed by termites. Local path planning is performed online utilizing information regarding contingencies that affect the safe navigation of the AGV from various sensors. The simulation discussed has been implemented on the open source Player-Stage-Gazebo platform.

研究动机与目标

• 解决非完整约束机器人在部分已知、动态的户外地形中路径规划的计算复杂性问题。
• 通过借鉴白蚁行为的分布式群体智能，降低处理负载。
• 将多源环境数据（高程、土壤类型）整合为统一的地形适宜性度量，用于全局路径规划。
• 利用传感器数据与VFH算法，实现实时局部避障。
• 在使用Player-Stage-Gazebo平台的模拟环境中验证该混合方法。

提出的方法

• 全局路径规划使用包含数字高程模型（DEM）和来自GRASS GIS的土壤信息的空间数据库，通过受白蚁筑巢行为启发的仿生群体算法进行处理。
• 每个网格单元计算一个等级值，即土壤适宜性（1–5）与坡度适宜性（1–5）之和，基于高程差和土壤类型，以评估地形适宜性。
• 群体算法通过模拟代理之间的相互作用，优先选择高阶单元，从而识别可通行区域（巢穴），形成从起点到目的地的最优路径。
• 采用具有1/4格偏移的双网格系统，提高分辨率并减少因障碍物表示粗糙导致的路径低效。
• 局部路径规划采用向量场直方图（VFH）技术，处理激光传感器数据以生成安全、实时的转向指令。
• 土壤成分通过模拟数字圆锥穿刺仪评估，数据用于在局部导航期间引导机器人朝向更易通行的地形。

实验结果

研究问题

• RQ1 基于地形属性，仿生群体算法是否能有效在部分已知环境中生成全局最优路径？
• RQ2 将高程与土壤数据整合为单一等级度量，在多大程度上提升了路径规划的鲁棒性？
• RQ3 双网格系统在多大程度上减少了因障碍物表示粗糙导致的路径低效？
• RQ4 当引入初始网格中不存在的意外障碍物时，VFH算法在保持安全局部导航方面的有效性如何？
• RQ5 实时土壤传感在可变地形条件下是否能增强局部路径规划？

主要发现

• 群体算法成功基于高程与土壤适宜性的综合评估，识别出高阶单元，生成了全局最优路径。
• 采用1/4格偏移的双网格系统显著减少了因障碍物表示粗糙导致的路径低效，提升了可通行性。
• VFH算法有效避开了初始网格中未包含的新引入障碍物（模拟的货箱），保持了安全的局部导航。
• 通过模拟圆锥穿刺仪获取的实时土壤数据，使机器人能够优先选择更适宜的地形（如砾石和沙地）进行导航。
• 模拟在配备2GB内存的Intel Core 2 Duo系统上稳定运行，表明即使在计算资源有限的条件下，该方法仍具备可行性。
• Gazebo中的可视化结果显示，初始全局路径（实线）与因避障产生的局部路径偏差（虚线）之间存在明显区分。