PE-Planner: A Performance-Enhanced Quadrotor Motion Planner for Autonomous Flight in Complex and Dynamic Environments
作者: Jiaxin Qiu, Qingchen Liu, Jiahu Qin, Dewang Cheng, Yawei Tian, Qichao Ma
分类: cs.RO
发布日期: 2024-03-19
💡 一句话要点
提出PE-Planner以解决复杂动态环境下四旋翼自主飞行问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 四旋翼 运动规划 动态环境 模型预测控制 B样条优化 自主飞行 鲁棒性 安全性
📋 核心要点
- 现有的四旋翼运动规划方法在复杂环境中适应性不足，难以实现快速、安全和稳健的飞行。
- 本文提出了一种性能增强的运动规划器，通过全球和局部规划相结合，优化四旋翼的飞行轨迹。
- 实验结果表明，该规划器在复杂环境中实现了超过6.8 m/s的飞行速度，显著提升了鲁棒性和安全性。
📝 摘要（中文）
四旋翼的运动规划在自主飞行中至关重要，但现有方法在复杂环境中适应性不足，限制了其快速、安全和稳健的飞行能力。本文提出了一种性能增强的四旋翼运动规划器，旨在应对包括密集障碍物、动态障碍物和未知干扰的复杂环境。全球规划器通过运动动力学路径搜索生成初始轨迹，并利用B样条轨迹优化进行精细化。局部规划器则考虑四旋翼动力学、估计干扰、全局参考轨迹、控制成本、时间成本和安全约束，实时生成控制输入，采用模型预测轮廓控制框架。仿真和实地实验验证了该运动规划器在鲁棒性、安全性和速度上的显著提升，能够在复杂的竞速场景中实现超过6.8 m/s的飞行速度。
🔬 方法详解
问题定义：本文旨在解决现有四旋翼运动规划方法在复杂和动态环境中适应性不足的问题，导致飞行速度和安全性受限。
核心思路：提出的PE-Planner结合全球规划和局部规划，通过运动动力学路径搜索和B样条优化，生成高效的飞行轨迹，并实时调整控制输入以应对环境变化。
技术框架：整体架构分为全球规划和局部规划两个主要模块。全球规划器生成初始轨迹，局部规划器实时计算控制输入，确保飞行安全和效率。
关键创新：该方法的创新点在于结合了运动动力学和模型预测控制，能够在动态环境中快速适应并优化飞行轨迹，显著提高了飞行的鲁棒性和安全性。
关键设计：在设计中，采用了B样条轨迹优化技术，并在局部规划中考虑了控制成本、时间成本和安全约束，以确保实时性和稳定性。具体参数设置和损失函数设计未在摘要中详细说明，需参考完整论文。
🖼️ 关键图片
📊 实验亮点
实验结果显示，PE-Planner在复杂竞速场景中实现了超过6.8 m/s的飞行速度，相较于现有方法，鲁棒性和安全性显著提升，验证了其在动态环境中的有效性和优越性。
🎯 应用场景
该研究的潜在应用领域包括无人机竞速、搜索与救援、环境监测等复杂场景。通过提高四旋翼在动态环境中的自主飞行能力，能够显著提升任务执行效率和安全性，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
The role of a motion planner is pivotal in quadrotor applications, yet existing methods often struggle to adapt to complex environments, limiting their ability to achieve fast, safe, and robust flight. In this letter, we introduce a performance-enhanced quadrotor motion planner designed for autonomous flight in complex environments including dense obstacles, dynamic obstacles, and unknown disturbances. The global planner generates an initial trajectory through kinodynamic path searching and refines it using B-spline trajectory optimization. Subsequently, the local planner takes into account the quadrotor dynamics, estimated disturbance, global reference trajectory, control cost, time cost, and safety constraints to generate real-time control inputs, utilizing the framework of model predictive contouring control. Both simulations and real-world experiments corroborate the heightened robustness, safety, and speed of the proposed motion planner. Additionally, our motion planner achieves flights at more than 6.8 m/s in a challenging and complex racing scenario.