论文整理RAPTOR : Robust and Perception-aware Trajectory Replanning for Quadrotor Fast Flight

问题和方法

• 在未知环境中高速飞行，无人机需要在很短的时间内重规划新的路径，能够避开新出现的障碍物有限的时间是一个很大的约束

• 当前的方法通常是在一个拓扑等效的类中找到一条局部最优的路径，但是这个拓扑类不一定包含满意的路径

• 现有的方法没有考虑感知 但是当速度较大时 环境的障碍物比较复杂时 这是非常重要的 因为为了节省能量 轨迹会离墙非常近 以至于可能会转角遇到障碍物 如果速度非常高的话 突然出现的障碍物可能会直接摧毁无人机 所以相比于被动的避障 主动地观测和避障是非常重要的

• 第一个问题是用的path-guided gradient-based基于优化的方法

• 第二个问题是在线地规划拓扑路径 可以提出环境的structure 这样可以同时平行地优化多条路径

• 第三个问题是将路径规划和perception-aware的策略结合，一个是考虑风险，保证未知的障碍物可以被早点观测到并且避开 另一个是把yaw的规划整合到一个两步的规划框架中，在离散空间内采样yaw，选取可以最大化信息增益的yaw，之后再做平滑处理

trajectory planning

轨迹规划方法分为硬约束和基于梯度的优化方法

• 硬约束最常用的是minimum-snap 是用二次规划的方法来生成分段的多项式轨迹 在初始路径周围提取安全的飞行走廊 再用QP方法来生成光滑安全的轨迹 这种方法如果分配给多项式的时间不合理 通常会导致不满意的结果 fast marching和kinodynamic search用来规划初始路径可以让时间分配更合理
• 基于梯度的优化方法 将轨迹生成问题表示为非线性优化问题 优化目标包括平滑度 安全性和运动学 这对于局部的重规划是非常有效的 对于局部最小值问题可以通过采样来解决但是会增加计算时间 还有方法和informed sampling-based 搜索方法结合 本文解决local minima的方法是引入拓扑路径 平行地对多条路径进行优化

拓扑路径规划

homotopy 同态
规划不同拓扑地图路径的意思是，路径属于不同态或者 找可见性变性等级

navigation in unknown environments

• 有些方法用的是optimistic assumption 把未知区域认为是可通行的 虽然可以提高到达终点的概率，但是不能保证安全
• faster是一直有一条备用路径

以上方法都没有意识到对环境的感知，尽管有些方法考虑到定位和目标跟踪，但是很少放在环境感知上

系统架构

得到全局路径后(全局路径非常简单，可能就是直线连接起点和终点)
重规划部分分为两部:

• optimistic replan 会同时生成几个局部最优的路径 这些路径是拓扑不同态的
• perception-aware规划是根据局部最优路径 然后考虑风险对其进行修改 这个过程中安全性和对未知环境的可见性都会提高 之后会对yaw继续优化 优化考虑的是information gain