Science Robotics
Xin Zhou, Xiangyong Wen, Zhepei Wang, Yuman Gao, Haojia Li, Qianhao Wang, Tiankai Yang, Haojian Lu, Yanjun Cao, Chao Xu, Fei Gao
整体结论
传统的优化算法对集群规划耗时长，虽然通过将其分组能简化到某个程度，但仍有限。而去中心化、将问题适当设定，耗时显著下降，且跟无人机数量成正比。
采用设定
- 采用静态的栅格地图，并在其上叠加由深度图识别的动态物体。
- 定位根据
视觉惯性的里程计（基于静态环境的灰度图）实现，没有 GPS。 - 无人机的识别不依靠深度学习，而是深度图的 pixel gathering（采用 boundingbox 并据此计算无人机之间的距离）。
- 分成不同场景和任务，采用不同的通讯方式、参数配置，而不是一套方案通用。
关键观点
- 通信方式：
- 中心化在密集阵型表现得更好，随着数量增加其复杂度线性提高；
- 点对点通信在稀疏时数量增加几乎不增加复杂度（因为超出一定距离就不通讯），但在密集时复杂度将指数提高。
- 轨迹参数化（实现难度依序提高）：
- 分段多项式：需要大量矩阵运算而对计算机负担较重；分段的关键点位置的选择对效果和算力影响很大；要加入连续性约束。
- Bezier 和 B-Spline 曲线：convex hull 特性让增加约束很方便，而且天然具备连续性；缺点是偏向保守，无法发挥极限机动能力。
- MINCO（一种多项式轨迹类）：针对集成链路系统设计的新方法，能接受大量约束条件设置的同时，保持时空最优性能；但必须对其结果进行充分的再检查，而且实现起来很复杂。
- 通信内容：根据执行的任务而不同。例如"飞越森林"任务中，目的地已经作为参数提前写入每个无人机之中，因此无人机之间只需要交流"实时的轨迹"。
- 通讯距离必须大于两倍的规划距离：小于这个距离的无人机将互相影响，大于这个距离的在物理上就留有足够的反应空间。
- 采用触发而非周期式的通信，在 65m 的竹林穿越任务中，10 架无人机平均发送了 100 条轨迹，接受 1000 条轨迹。（注：应该是轨迹发生重规划时才对外发送，以减少通讯量。可以看到部分的无人机发送量比其他的高 50%以上。）
摘要：空中机器人被广泛部署，但高度杂乱的环境，如 茂密的森林 ，无人机仍然无法进入，对成群的无人机来说更是如此。 在这些情况下，以前未知的环境和狭窄的走廊以及群体协调的要求可能会带来挑战。 为了在野外实现群体导航，我们开发了 具有轨迹规划器的微型但完全自主的无人机，该无人机可以根据来自机载传感器的有限信息及时准确地运行。 规划问题满足飞行效率、避障、机器人间避碰、动态可行性、群体协调等多种任务要求，实现了可扩展的规划器。 此外，所提出的规划器基于时空联合优化同步变形轨迹形状并调整时间分配。 因此，即使在最受限制的环境中，也可以在几毫秒内彻底利用解空间后获得高质量的轨迹。 规划器最终集成到开发的手掌大小的群平台中，具有板载感知、定位和控制功能。 基准比较验证了规划器在轨迹质量和计算时间方面的卓越性能。 各种真实世界的现场实验证明了我们系统的可扩展性。 我们的方法在三个方面发展了空中机器人技术：杂乱环境导航的能力、对不同任务要求的可扩展性以及在没有外部设施的情况下作为群的协调。