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下降。为其编程的研究人员对这种环境知之甚少。有这么多的不确定性，航天器如何绘制一条轨迹，以防止它被一些随机移动的障碍物挤压或被突然的强风吹走？

麻省理工学院的研究人员已经开发出一种技术，可以帮助这艘宇宙飞船安全着陆。他们的方法可以使自动驾驶汽车在高度不确定的情况下绘制可证明的安全轨迹，在这种情况下，环境条件和车辆可能碰撞的物体存在多种不确定性。

该技术可以帮助车辆在障碍物周围找到一条安全路线，这些障碍物以随机方式移动并随着时间的推移而改变其形状。即使车辆的起点不准确，并且由于风、洋流或崎岖地形等环境干扰而不清楚车辆将如何移动时，它也能绘制到目标区域的安全轨迹。

电气工程与计算机科学系和计算机科学与人工智能实验室的研究生、共同主要作者韩伟乔说，这是第一个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。 CSAIL）。

“未来的机器人太空任务需要具有风险意识的自主权，以探索仅存在高度不确定的先验知识的偏远和极端世界。为了实现这一目标，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模型和安全约束。实验室。

与 Han 和 Jasour 一起写这篇论文的是高级作者 Brian Williams，他是航空航天学教授，也是 CSAIL 的成员。该研究将在 IEEE 国际机器人与自动化会议上发表，并已被提名为杰出论文奖。

避免假设

因为这个轨迹规划问题非常复杂，所以寻找安全前进路径的其他方法对车辆、障碍物和环境进行了假设。Jasour 说，这些方法过于简单，无法应用于大多数现实世界的环境中，因此它们无法保证在存在复杂的不确定安全约束的情况下它们的轨迹是安全的。

“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准确性，”韩补充道。

他们开发的算法不是猜测确切的环境条件和障碍物的位置，而是推断在不同位置观察不同环境条件和障碍物的概率。它将使用来自机器人感知系统的环境地图或图像进行这些计算。

使用这种方法，他们的算法将轨迹规划制定为概率优化问题。这是一个数学编程框架，允许机器人实现规划目标，例如最大化速度或最小化燃料消耗，同时考虑安全约束，例如避开障碍物。Jasour 说，他们开发的概率算法对风险进行了推理，即无法实现这些安全约束和规划目标的概率。

但由于该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数据将概率优化转换为更直接、更简单的确定性优化问题，该问题可以使用现有的现成求解器有效解决。

“我们面临的挑战是如何减少优化的规模并考虑更实际的约束以使其发挥作用。从好的理论到好的应用需要付出很多努力，”Jasour 说。

优化求解器生成一个风险有界的轨迹，这意味着如果机器人遵循该路径，它与任何障碍物碰撞的概率不大于某个阈值，例如 1%。由此，他们获得了一系列控制输入，可以将车辆安全地引导到其目标区域。

图表课程

他们使用几个模拟导航场景评估了这项技术。在其中一个模型中，他们模拟了一艘水下航行器，该航行器从某个不确定的位置，绕过一些形状奇特的障碍物，到达目标区域。它能够在至少 99% 的时间内安全地达到目标。他们还使用它来绘制飞行器的安全轨迹图，该飞行器避开了几个大小和位置不确定且可能随时间移动的 3D 飞行物体，同时存在影响其运动的强风。使用他们的系统，飞机以高概率到达目标区域。

根据环境的复杂性，算法需要几秒钟到几分钟的时间来开发一个安全的轨迹。

Jasour 说，研究人员现在正在研究更有效的流程，以显着减少运行时间，这可以让他们更接近实时规划场景。

Han 还在开发应用于该系统的反馈控制器，这将帮助车辆保持更接近其计划的轨迹，即使它有时会偏离最佳路线。他还致力于硬件实现，使研究人员能够在真正的机器人中展示他们的技术。

更多人工智能宇宙飞船导航和场景规划技术，请上科企岛