跳至正文
ittechwire

来源清晰的科技新闻

  1. 首页
  2. 人工智能

人工智能

MIT研究人员推出SANDO:一款具有形式化无碰撞保证的无人机路径规划器

该方法可在障碍物运动不可预测的未知空间中规划飞行路径;据其作者称,只要它知道这些障碍物的最大移动速度,就能在数学上被证明可避免碰撞。

ittechwire 编辑部阅读约 4 分钟来源: 2AI 译文 · 原文语言:English
一架小型黑色四旋翼无人机在有云的蓝天背景下飞行;这是一架普通无人机,并非MIT测试中使用的机型
Project Kei · CC BY-SA 4.0

要点

  1. 1SANDO可在存在移动障碍物的未知空间中规划无人机飞行路径,据其作者称,已被证明能够避免碰撞。
  2. 2该保证需要一个关键输入:障碍物可能达到的最高速度。
  3. 3时变安全走廊用一个球体包围每个移动障碍物,覆盖其在给定时间内可能到达的所有位置。
  4. 4在仿真中,它比多个最先进的规划器更快、无碰撞地到达目标;在12次真实试飞中避开了所有移动障碍物。
  5. 5该研究由Kota Kondo牵头,Jonathan P. How为资深作者,发表于IEEE Transactions on Robotics。

报道全文

MIT研究人员介绍了一款面向无人机(UAV)的轨迹规划器SANDO,其名称是Safe AutoNomous trajectory planning for Dynamic unknOwn environments(面向动态未知环境的安全自主轨迹规划)的缩写。据于7日发布该研究的MIT News介绍,该系统能在无人机从未建图的环境中规划路线,即便其中的物体以无人能够预测的方式移动也是如此;研究团队从数学上证明了由此生成的轨迹能够避免碰撞。论文发表于IEEE Transactions on Robotics。研究人员提到的应用场景包括进入倒塌建筑的搜救飞行、勘探矿井中隐藏的隧道网络,以及在繁忙社区中投递包裹。

这类规划器会将飞行器的摄像头和传感器数据转化为通往目标的路径。MIT表示,现有的大多数规划器要么假设未知空间中的障碍物保持静止,要么在绕开移动障碍物时并不提供不会发生碰撞的形式化承诺;而那些确实提供此类保证的常用系统,通常需要静态场景或预先已知的障碍物。研究人员表示,在不断变化的场景中检查每一种可能的碰撞,对实际应用而言速度太慢。第一作者Kota Kondo在MIT的发布中这样说:“在未知的动态环境中,你没有多少假设可以依赖。”

SANDO首先构建一条安全走廊(safety corridor),即由相互连接、不含障碍物且允许无人机穿行的3D区域组成的链条。与以往的走廊不同,这条走廊会随时间变化。一个专门模块负责检测移动障碍物,将其分组并加以跟踪,以估计它们的去向。由于障碍物未来的确切路径未知,规划器会取每个障碍物的最大速度,计算它在给定时间内最远能到达哪里,并用一个覆盖其所有可达点的球体将其包裹;走廊随后围绕这些球体塑形。一个热力图规划器会标出拥挤的“热点”区域,引导无人机远离这些区域。在走廊内部,SANDO寻找通往目标的最快路线,并在飞行过程中不断修正走廊和轨迹。团队简化了底层优化问题,以便机载计算机能够快速重新规划。

研究人员报告称,在仿真中,SANDO比多个最先进(state-of-the-art)系统更快到达目标,且在所有测试环境中均未发生碰撞。在使用真实无人机、依靠机上自身计算机和传感器运行的12次试飞中,它避开了所有移动障碍物。“开发SANDO最困难的部分是数学。”Kondo说。Kondo最近在MIT获得航空航天博士学位,他与现任马德里科米利亚斯宗座大学(Comillas Pontifical University)助理教授的Jesús Tordesillas,以及三名MIT研究生Juan Rached、Lili Sun和Yixuan Jia共同撰写了这篇论文。供职于MIT信息与决策系统实验室(LIDS)及其航空航天控制实验室的Jonathan P. How是资深作者(senior author)。该研究部分由新加坡国防科技局资助。

未参与该项目的中国浙江大学副教授Fei Gao(高飞)概括了该规划器所针对的问题:“规划时安全的路径,可能会随着环境变化而变得不安全。”他认为,SANDO的时变(time-varying)飞行走廊、硬约束轨迹优化以及硬件测试,为复杂动态场景提供了一种实用的方法。研究人员表示,作为下一步,他们可以降低SANDO的计算需求,并将其与机器学习模型结合,使用户能够用日常语言向机器人下达指令。MIT News还在论文旁列出了SANDO代码的链接。

为何重要

被派往山火现场、倒塌建筑或拥挤街道的无人机,会遇到任何地图都无法事先标出的障碍物;MIT指出,形式化安全保证迄今大多要求静态场景或已知障碍物。一个在发现并应对移动物体的同时仍能保持安全性证明的规划器,可能会让在此类场所进行的自主飞行更容易获得正当理由,例如向灾区运送医疗物资时。不过,这一保证确实建立在一个假设之上:规划器必须知道障碍物移动速度的上限。迄今为止的硬件证据来自12次试飞,因此该方法在这些试验之外的表现如何,仍有待证明。

时间线

  1. · 发布于

话题#无人机#机器人#自主导航#轨迹规划#MIT

来源

本报道基于以下来源。如需完整背景,请阅读原文。

  1. 1MIT News · 一手来源Planning system ensures a robot’s flight path will remain collision-freenews.mit.edu
  2. 2Tech Xplore · 新闻报道'SANDO' system ensures a robot's flight path will remain collision-free in uncharted territorytechxplore.com