农业机器人多任务连续运动规划与导航控制研究学术报告

作者及发表信息

本研究由Wei Zhang（第一作者，上海大学机电工程与自动化学院；中国农业装备技术国家重点实验室）、Teng Sun、Yunhui Li、Chuangxin He、Xianchao Xiu（通讯作者，xcxiu@shu.edu.cn）和Zhonghua Miao合作完成，发表于Computers and Electronics in Agriculture期刊2025年第238卷（文章编号110822），属于农业自动化与机器人领域的原创性研究。

学术背景

研究领域与动机

随着农业4.0（Agriculture 4.0）的发展，农业机器人需在复杂非结构化环境中执行多任务（如耕作、播种、植保、充电等），但现有研究多聚焦单一任务或场景，缺乏对多任务连续性、跨场景适应性的系统性解决方案。本研究针对三大核心问题：
1. 大型农机灵活性不足：田间转向空间有限，频繁启停导致效率损失；
2. 多阶段约束差异大：巡航需避障，播种需速度稳定性，充电需位姿精度；
3. 跨场景地形适应性差：软硬路面切换易引发滑移，影响跟踪精度。

研究目标

提出一种集成多约束连续运动规划与横向-纵向协同控制的自主导航框架，实现农业机器人无停顿多任务切换与高精度操作。

研究方法与流程

1. 多约束连续运动规划

（1）路径规划与安全走廊生成

• 输入：网格地图（40m×30m温室场景）、任务序列（如入口巡航、行内作业、地头转向、充电对接）。
  
• 算法：分段启发式搜索（A*算法）生成全局路径，通过广度优先搜索（BFS）扩展障碍物自由区域，构建凸多边形安全走廊（Safe Driving Corridor）。
  
• 创新点：提出路径降维因子（Dimensionality Reduction Factor, dr=3.0m），减少计算量。
  

（2）轨迹优化

• 模型：采用分段贝塞尔曲线（Piecewise Bézier Curves，7阶）表示轨迹，将最小化加加速度（Snap）能量转化为凸二次规划（Convex QP）问题。
  
• 约束转化：
  
  • 任务约束：速度（巡航≤1.80 m/s，作业0.89±0.02 m/s）、加速度（≤1.00 m/s²）、加加速度（≤0.50 m/s³）；
    
  • 连续性约束：相邻曲线段的位置、速度、加速度、加加速度连续；
    
  • 动态约束：基于车辆动力学模型限制控制点；
    
  • 安全约束：利用贝塞尔曲线凸包性将轨迹限制在安全走廊内。
    
• 求解：内点法（Interior-Point Method）优化控制点，生成高阶连续轨迹。
  

（3）复杂度分析

• 路径搜索：O(k·nlogn)（k为任务数，n为网格分辨率）；
  
• 轨迹优化：O(k³)，实验显示总耗时50–200 ms（Intel i7-11800H），满足实时性。
  

2. 横向-纵向协同控制

（1）动力学建模

• 非完整约束模型：基于阿克曼转向（Ackerman Steering）的自行车模型，考虑轮胎侧偏刚度（Cornering Stiffness, cαf=-13897 N/rad, cαr=-8224 N/rad）。
  
• 误差模型：解耦横向误差（侧向位置ed、航向角eθ）与纵向误差（纵向位置es、速度ev）。
  

（2）双层控制器设计

• 横向控制：
  
  • 模型预测控制（MPC）：预测时域（NP=50）、控制时域（NC=30），以控制增量δu为变量，松弛因子ε提升求解稳定性。
    
  • 目标函数：最小化跟踪误差与控制增量惩罚项。
    
• 纵向控制：
  
  • 双PID结构：位置PID（kps=5.0, kis=0.001, kds=0.1）补偿速度，速度PID（kpv=5.0, kiv=0.005, kdv=0.25）补偿加速度。
    

主要结果

运动规划性能

• 轨迹连续性：位置、速度、加速度、加加速度均满足约束（图6-7），作业阶段速度误差≤0.02 m/s（表8）。
  
• 计算效率：12段贝塞尔曲线总规划时间127.1秒，单段优化耗时<10 ms。
  

跟踪控制精度

• 对比实验：与单层MPC相比，所提方法显著提升稳定性：
  
  • 横向误差：MAE 0.0068 m（MPC 0.0175 m），Max 0.0400 m；
    
  • 纵向误差：MAE 0.0189 m（MPC 0.0086 m），Max 0.0596 m；
    
  • 航向角误差：RMSE 0.0010 rad（MPC 0.0045 rad）。
    
• 关键航点表现（表10）：充电对接位姿误差<0.0161 m，航向角误差<0.0160 rad。
  

结论与价值

科学价值

1. 方法论贡献：首次将多任务约束转化为贝塞尔曲线控制点的凸优化问题，实现高阶连续轨迹生成；
   
2. 控制理论创新：通过误差解耦与双层控制，解决滑移（Sideslip）与打滑（Slippage）导致的跟踪偏差。
   

应用价值

• 农业效率提升：实验表明，机器人无需停顿调整即可完成多任务切换，作业效率提高约23%；
  
• 技术普适性：框架可扩展至播种机、收割机等大型农机，支持GNSS拒止环境（如温室）下的精准作业。
  

研究亮点

1. 多任务连续性：通过任务序列启发式搜索与约束转换，实现无缝任务切换；
   2 高精度控制：横向-纵向协同控制器在软土路面下仍保持厘米级定位（RMSE 0.0111 m）；
   
2. 开源潜力：算法基于ROS Noetic开发，代码可复用于其他农业机器人平台。
   

局限与展望

当前研究针对静态环境，未来将集成动态障碍物感知与多机协作任务分配，进一步提升系统鲁棒性。

（注：文中图表及参考文献详见原文献，实验数据可通过通讯作者申请获取。）