学术报告：基于改进运动原语生成的陆空两栖机器人路径规划算法研究

研究作者与机构

本文由北京理工大学机械与车辆学院与其重庆创新中心的徐彬、孙恒飞、唐寿星、王雨桐、张旺旺与艾田付组成的研究团队完成，并发表在《北京理工大学学报》第44卷第2期。《Transactions of Beijing Institute of Technology》是一份具有重要学术影响力的期刊。这项研究收稿日期为2023年3月3日，计划在2024年2月刊登发布。

研究背景

学术领域与研究动机

本文主要聚焦于机器人路径规划与运动控制领域，研究目标是改进kinodynamic A*算法，以更好地满足陆空两栖机器人的运动需求。

陆空两栖机器人结合了空中机器人强大的机动能力与地面机器人出色的长续航能力，广泛应用于搜救、巡检和快递等复杂且长距离的任务场景。在实际操作中，这类机器人需要同时进行感知、定位、建图、路径规划与多模式协同运动控制。然而，由于陆地与空中两种运行动力学的显著差异，要实现两种模式间的高效转换与路径优化，现有算法还尚存诸多不足。

已知研究与改进需求

当前许多路径规划算法在图搜索或采样基础上构建，例如A*、RRT等算法通常会加入动力学约束与轨迹优化。但它们在实际应用中存在高复杂度、难以满足不同运动模式个性化需求等局限。kinodynamic A*算法因其考虑了动力学限制与运动原语生成的特性，非常契合陆空两栖机器人的需求。然而，传统kinodynamic A*算法存在生成的运动原语无差异、剪枝过程过于保守、以及轨迹优化不适配陆空模态等问题。

因此，为解决上述不足，本文提出了基于改进运动原语生成的陆空两栖机器人kinodynamic A*算法，以充分发挥陆空两栖机器人的强机动能力与高续航能力。

研究目标

本文的核心目标在于通过以下方法改良kinodynamic A*算法： 1. 通过动力边界，差异化生成陆空两种模式的运动原语。 2. 基于速度边界优化剪枝策略，避免对空中模式施加不必要的限制。 3. 对轨迹优化代价函数进行针对性调整，以提升路径的平顺性、安全性与机动性。

研究过程与方法

1. 改进运动原语的生成

运动原语是kinodynamic A*算法的核心组成部分，用于定义潜在的运动轨迹。研究团队首先基于时间参数化的五次多项式函数构造运动轨迹公式。通过状态空间方程输入控制量（如加速度），生成一个具体轨迹点的运动状态。

针对陆空运行模式的动力边界差异，研究提出按加速度最大值（amax）的公式对两种模式进行单独配置： - 地面模式：ag_max = 2.0 m/s²； - 空中模式：af_max = 4.0 m/s²。

通过离散加速度与时间，分别生成陆地模式与空中模式。同时，研究人员通过图2显示了改进前后运动原语的显著差异：在空中模式下（绿色星号轨迹），生成的运动原语探索范围显著拓展，表现出更快的速度与更大的加速度。

2. 改进剪枝策略

剪枝是a*类算法中提高效率的重要手段。传统kinodynamic A*算法对陆空两种模式使用统一的速度上限进行剪枝，但这在一定程度上限制了空中模式的机动性，尤其导致了其路径规划过于保守。

在本文中，剪枝策略依据pz（Z方向高度状态变量）来区分机器人当前处于地面还是空中模式，并为空中模式设置更大的终点速度上限。公式如下： - 地面：vg_thr = 2.5 m/s； - 空中：vf_thr = 6.0 m/s。

3. 优化边界转移代价与启发函数

结合空中与地面模式在能量消耗、运动学约束及模态切换过程中的特性，本文对代价函数及启发函数进行了重新设计。在终点为空中的运动原语中，增加飞行能耗系数kf（设为15），重点突出其高能耗特性。此外，加入fswitch_cost（模态切换代价项，设为100）来量化模态切换的不利影响。

4. 模式切换与轨迹优化

该研究设计了统一的陆、空模式切换逻辑流程，并基于B样条曲线拟合生成轨迹，为路径优化提供数学模型。

优化代价函数的主要项为： - 平滑度：通过跃度量化每段路径的平顺性； - 障碍物安全距离：通过设定地面与空中不同的障碍物安全阈值（dg_thr = 0.4 m，df_thr = 0.5 m），显著提升路径的安全性能； - 速度与加速度约束：空中模式赋予更大的速度与加速度阈值以突出机动性； - 曲率代价：为履带式车辆设计了地面模式下的曲率约束，有效减少跟踪误差。

通过上述优化，研究确保路径既满足动力学安全，又能提升机器人在空中模式下的机动能力。

实验与结果

实验平台与场景设置

研究团队在模拟与实机搭建的测试环境中对算法进行了验证。硬件设使用d435i深度摄像头、Jetson Xavier NX板载计算机、PX4飞行控制器等，陆空两栖机器人尺寸为0.6 m × 0.6 m × 0.1 m，集成了四涵道飞行推进与履带地面行驶两种模式。实验软件基于ROS系统开发。

测试场景包括障碍物膨胀配置的模拟地图与实际搭建的封闭测试场，其复杂度设计用于验证陆空两栖机器人跨模态切换的能力。

性能对比分析

实验将改进算法与现有常用的tie运动规划器对比，结果显示在不同运动原语时长下，两者性能表现差异显著： 1. 改进算法在短运动原语时长（<0.3 s）未能生成路径，但在中等时长下（0.4 s ~ 0.7 s），其路径总代价、飞行速度、算法运行时间均优于tie工具。 2. 在高需求飞越场景中，kinodynamic A*通过直接飞越障碍，比绕路的tie减少了40%的时间代价。

轨迹优化效果

优化后的路径展现了较优秀的平滑度和安全距离，在B样条约束下，地面段实现了曲率优化，空中段路径具备显著优势。如表2所显示，优化后的每项关键指标（速度、安全距离、曲率）皆得到提升。

研究意义与价值

本文提出的改进kinodynamic A*算法在现有研究基础上对陆空两栖机器人路径规划进行了重要突破。该算法通过自适配陆空两种模式的运动差异，显著提高了路径规划的平顺性和高效性，并通过仿真与实机验证了在复杂场景下支持其强机动性的能力。研究成果为陆空两栖机器人进一步应用于复杂环境提供了重要基础，特别是搜救与物流领域。

研究亮点与创新

1. 运动原语生成和剪枝策略的改进：首次基于加速度与速度边界分别定制陆空模式。
2. 能耗模型与代价函数的新设计：飞行模式与地面模式的独特性得以区分，提高了路径优化的针对性。
3. 多项实际验证场景：结果以实验数据充分展示改进算法在实际任务中的潜力。