一艘探索宇宙遥远区域的自主航天器穿过一颗遥远的系外行星的大气层降落。这辆车以及为其编程的研究人员对这种环境知之甚少。
在如此多的不确定性下，航天器如何绘制出一条轨道，以防止被一些随机移动的障碍物压扁或被突然的大风吹离航线？
麻省理工学院的研究人员开发了一种技术，可以帮助这艘航天器安全着陆。他们的方法可以使自主车辆在高度不确定的情况下绘制出可证明安全的轨迹，其中环境条件和车辆可能碰撞的物体存在多个不确定性。
这项技术可以帮助车辆在随机移动的障碍物周围找到一条安全的路线，并随着时间的推移改变其形状。即使车辆的起点不明确，并且由于风、洋流或崎岖地形等环境干扰，车辆将如何移动，它也会绘制到目标区域的安全轨迹。
这是第一种解决同时存在许多不确定性和复杂安全约束的轨迹规划问题的技术，联合首席作者韩伟乔（Weiqiao Han）表示，他是电气工程和计算机科学系以及计算机科学和人工智能实验室（CSAIL）的研究生。
联合首席作者Ashkan Jasour补充道：“未来的机器人空间任务需要有风险意识的自主性，以探索只有高度不确定性先验知识存在的偏远和极端世界。为了实现这一点，轨迹规划算法需要对不确定性进行推理，并处理复杂的不确定性模型和安全约束。”，前CSAIL研究科学家，目前在NASA喷气推进实验室从事机器人系统研究。
与Han和Jasour一起登上这篇论文的是资深作者BrianWilliams，他是航空航天学教授和CSAIL成员。这项研究将在IEEE机器人和自动化国际会议上发表，并已被提名为杰出论文奖。
避免假设
由于该轨迹规划问题非常复杂，其他寻找前方安全路径的方法会对车辆、障碍物和环境进行假设。Jasour说，这些方法过于简单，无法应用于大多数真实环境，因此无法保证在存在复杂的不确定安全约束的情况下，其轨迹是安全的。
韩补充道：“这种不确定性可能来自自然的随机性，甚至来自自动驾驶汽车感知系统的不精确性。”。
他们没有猜测具体的环境条件和障碍物的位置，而是开发了关于在不同位置观察不同环境条件和障碍物的概率的原因。它将使用来自机器人感知系统的地图或环境图像进行这些计算。
使用这种方法，他们的算法将轨迹规划描述为一个概率优化问题。这是一个数学规划框架，允许机器人实现规划目标，如最大化速度或最小化油耗，同时考虑安全约束，如避开障碍物。Jasour说，他们开发的概率算法是关于风险的原因，即无法实现这些安全约束和规划目标的概率。
但由于问题涉及不同的不确定模型和约束，从每个障碍物的位置和形状到机器人的起始位置和行为，这种概率优化过于复杂，无法用标准方法解决。研究人员使用不确定性概率分布的高阶统计量，将概率优化转换为更直接、更简单的确定性优化问题，可以使用现有现成的解决方案有效解决。
Jasour说：“我们面临的挑战是如何减少优化的规模，并考虑更多的实际约束，使其发挥作用。从良好的理论到良好的应用需要付出很大的努力。”。
优化解算器生成一条风险有界的轨迹，这意味着如果机器人沿着该路径行走，它与任何障碍物碰撞的概率不超过某个阈值，如1%。由此，他们获得一系列控制输入，可以将车辆安全地转向其目标区域。
制图课程
他们使用几个模拟的导航场景来评估这项技术。在其中一项研究中，他们模拟了一艘水下航行器，绘制了从一些不确定位置到目标区域的路线图，这些位置围绕着一些形状奇怪的障碍物。它至少有99%的时间能够安全地达到目标。他们还利用它绘制了飞行器的安全轨迹图，避免了在强风影响其运动的情况下，几个尺寸和位置不确定且可能随时间移动的3D飞行物体。使用他们的系统，飞机很有可能到达其目标区域。
根据环境的复杂性，这些算法需要几秒钟到几分钟的时间来制定安全的轨迹。
Jasour说，研究人员现在正在研究更高效的流程，这将显著减少运行时间，从而使他们更接近实时规划场景。
Han还在开发反馈控制器应用于该系统，这将帮助车辆更接近其计划轨迹，即使有时偏离最佳路线。他还致力于硬件实现，这将使研究人员能够在真正的机器人上演示他们的技术。
这篇报道是由麻省理工学院新闻网（web.MIT.edu/newoffice/）转载的，该网站是一个很受欢迎的网站，涵盖了有关麻省理工学院研究、创新和教学的新闻。