前天，在深圳经济特区40周年庆上，上千架无人机在深圳上空演绎了一场大型灯光秀。近些年，各种无人机高空秀屡见不鲜，在刚刚过去的七夕夜上，上海警方也运用无人机开启了一场反欺诈安防宣传。相比于技术较为成熟的高空飞行，无人机如何在更复杂和现实的低空环境中运行，一直是该领域研究的难点。近日，瑞典吕勒奥工业大学和加利福尼亚理工学院联合研究团队提出一项最新解决方案，有望实现无人机在现实环境中自由穿行。目前这篇论文成果已同步发表至预印论文库arXiv上。无人机在现实生活的应用场景越来越丰富，如高空巡逻，搜索与救援，地下矿井导航，自动包裹递送等等。而丰富的应用场景，对无人机自动导航技术也提出了更高的要求。比约恩·林德奎斯特（Bjorn Lindqvist）称，“我们先前已经发表了几篇有关无人机自动避障和导航的论文，而在最近的研究中，我们开始考虑如何使无人飞行器在城市环境或者动态的移动环境中，自由穿梭而避免与人员或其他车辆碰撞”。
比约恩·林德奎斯特是瑞典吕勒奥工业大学和加利福尼亚理工学院联合研究团队中的一员，近日，该团队在IEEE Robotics and Automation Letters上发表的一篇最新论文。论文中提出一种基于非线性模型预测控制（Nonlinear Model Predictive Control ，NMPC）的计算技术，可以为无人机提供更好的自主导航和避障能力。更具体地说，他们通过NMPC算法来预测无人机周围环境中的障碍物轨迹，同时使用分类模型来区分不同类型的轨迹并预测障碍物的未来位置。研究人员通过四组实验评估了NMPC方案，结果发现无人机模型能够在多个移动障碍物包围的情况下避免碰撞。四项实验分别为：避免弹球时保持位置：不同方法下，无人机在保持姿势，同时避免任何障碍物方面的性能表现，其中弹球为障碍物。
避开行人时保持位置：无人机在保持姿势，同时避免障碍物方面的性能表现，其中行人为障碍物。
弹跳条件：障碍物提供运动轨迹，检测NMPC对障碍物路径的预测和规避能力。
多重障碍：检测在多种障碍物包围情况下，NMPC系统的规避能力，并测试最小安全距离。
Lindqvist称：“由于NMPC通过对未来状态进行预测和优化来进行工作，这种方法将控制，局部路径规划和动态避障功能集成在一个控制层中，为动态避障场景提供了快速且计算稳定的解决方案。接下来，我们来介绍一下具体的实验成果。
可预测路径，躲避多个障碍物
论文中介绍了NMPC成本函数和约束条件公式化，以及解决动态障碍的方法。同时为了证明所提出的控制体系结构的功效，也进行了多种情况下的测试实验。实验一：避开弹丸时保持位置：无人机的任务是避开任何进入的障碍物而保持飞行姿势，其中障碍物是向无人机发射弹球。论文中，NMPC约束方法与人工势场等其他方法进行了比较（静态环境下能够快速响应并躲避障碍物）。考虑到障碍物的静态性，空间半径和障碍物半径分别设置为1m，这比避免静态障碍物所需的安全距离要大得多，同时将势场控制器的参考调整为尽可能积极。放宽NMPC的输入速率约束，以加快响应速度。在保持与缓慢移动的障碍物的距离的同时，这两种方法都无法避免与弹丸障碍物发生碰撞，障碍物进入影响区域的时间很短， 这些控制器直到与无人机发生碰撞，才能及时避开，而且这些控制器也不知道障碍物的未来位置在哪里，因此，它们的避让动作可能会使它们沿着障碍物的轨迹移动。
实验二：避免行人时保持姿势：实验中，“行人”在直接碰撞过程中向无人机走去，以测试无人机的避障能力和反应速度。其中，行人在0.3 s内进入实验障，碍物的半径设置为0.6 m，从无人机和障碍物的路径可以看出，从识别出轨迹的时间步长开始，飞行控制器便开启了回避机制。实验三：与前两种情况一样，无人机的任务是保持位置，同时避免进入的障碍物。障碍物半径设置为0.4m，被抛出经过第一次反弹后影响无人机路径。如图，投掷障碍物的时间约为0.25 s，而控制器的反应速度为0.35 s。这表明即使是简化的轨迹模型也仍然可以对障碍物路径做出足够好的预测，尤其是在增加沿预测的安全半径。下图为基于回避操作开始时的初始条件的障碍物的预测轨迹，以及障碍物和UAV的测量路径。无人机成功避开了最小距离为0.38 m的障碍物，而求解器时间达到了33 ms的峰值。由于求解器公差和测量结果不理想，因此预期会出现小范围的约束冲突。实验四：避免多个动态障碍，在避开无人机的碰撞航线上设置一架单独的无人机，同时向其投掷弹丸，两者的障碍物半径都设置为 0.4。轨迹分类和预测方案应用于两个障碍物的单独测量，但在其他方面与单个障碍物情况相同。两个无人飞行器和弹丸的轨迹如图，躲避的无人飞行器、最近的无人飞行器以及障碍物三者之间的最小距离分别为0.45 m和0.42 m。需要注意的是，避空无人机可以在较长的时间内保持安全距离，同时避开进入的弹丸。实验中，障碍无人飞行器一旦开始运动，回避操纵就会立即开始。进一步研究方向
总体来讲，研究人员所提出的NMPC架构和轨迹分类方案成功地在所有可能的情况下提供了无碰撞运动路径。在线优化问题可以在所需的50 ms的限制内解决，而不会违反已建立的障碍或输入限制。不过，该方法目前也存在一定的局限性：- 总体性能基于对轨迹分类的依赖：即使对于有限的轨迹研究，其方案也可能出现轨迹分类错误的情况。
- 使用对未来障碍物位置的明确预测：如果预测方案失败或误差太大，无人飞行器可能会完全忽略碰撞过程中的障碍物。
论文中指出，未来这项工作还会进一步优化和拓展，具体方向包括更一般的轨迹识别，障碍物位置和速度的提取，轨迹分类方案优化等。更重要的是，随着更多障碍物扩展以及与求解器时间的关系，分析NMPC的复杂性问题，以了解在何时间接地在控制层解决障碍物更合适。更多论文详细内容，请参考：https://arxiv.org/pdf/2008.00792.pdf引用链接：
https://ieeexplore.ieee.org/document/9145644https://www.youtube.com/watch?time_continue=46&v=vO3xjvMMNJ4&feature=emb_titlehttps://techxplore.com/news/2020-08-autonomous-obstacle-uavs.html 未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
关注公众号：拾黑（shiheibook）了解更多
[广告]赞助链接：
四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/
![甜甜佳 悠哉的日常[微风][微风][微风]](https://imgs.knowsafe.com:8087/img/aideep/2023/1/13/94b79a5c22abe357ef2c91a4beba81f7.jpg?w=250)
人工智能学家
关注网络尖刀微信公众号
