24、运动规划中狭窄通道问题的迭代解决方案

运动规划中狭窄通道问题的迭代解决方案

1. 引言

运动规划，即寻找一个移动物体在充满障碍物的环境中至少两个位置之间的无碰撞路径，一直是重要的研究领域。随着自动驾驶车辆和复杂机器人控制等应用的快速发展，它变得更加重要。对于形状简单的移动物体（通常称为代理），可以使用诸如Voronoi图来计算中心线的几何方法。然而，如果物体复杂、灵活，或者环境复杂、动态变化，这些方法就不合适了，需要更复杂和通用的方法。

运动规划通常使用配置空间的概念来解释，配置空间是所有现有配置的集合，每个配置代表被导航对象的唯一位置和旋转。位置和旋转的组合称为自由度。问题的维度和复杂性随着自由度的数量增加而增加。例如，在3D空间中，被导航对象的配置可能是一个6维向量，描述其位置和旋转（这两个属性各有3个向量分量）。配置空间中的配置总数非常庞大，无法在合理时间内处理所有配置，因此使用随机采样方法来选择和处理特定配置。

基于随机采样的方法随机生成或选择配置，测试它们是否无碰撞。如果生成的配置与环境发生碰撞，则将其拒绝，并生成一个新的随机配置。无碰撞的配置被添加到寻路结构（即所谓的路线图）中，该路线图近似于配置空间的自由区域。然后可以将基于图的路径规划方法应用于路线图。使用路线图是在环境中找到无碰撞通道的有效方法，通常在合理（通常接近实时）的时间内完成。然而，随机采样算法的最大缺陷是狭窄通道问题，因为通过随机采样很难准确命中这样的地方。

2. 相关工作

基于环境随机采样的运动规划算法可以分为两组：
- 概率路线图（PRM） ：生成一组随机样本，同时测试它们是否发生碰撞（发生碰撞的样本被移除，无碰撞的样本被保留）。如果边不穿过环境