【51CTO.com快譯】印度理工學院（IIT）馬德拉斯分校的研究人員近日開發出了一種快速高效的“運動規劃”算法，該算法可以像人類一樣思考，能讓空中或地面的車輛在雜亂的環境中自動導航。

據研究團隊稱，算法是基于“廣義形狀擴展”（GSE）新概念開發的，這個新概念能夠為自動駕駛車輛規劃一條安全且動態可行的軌跡。

[[441443]]

與許多目前最先進的運動規劃算法相比，印度的這一算法可以獲得了更好的效果。

團隊稱，由于采用新穎的方法計算“安全”區，它在許多對效率要求極高的線路規劃場景下，提供了至關重要的幫助，比如自動駕駛汽車、災難響應、ISR操作、空中無人機送貨和行星探索等應用。

無人機（UAV）常常用于勘查受災地區，并掃描殘骸，以執行搜救任務。研究人員稱，由于在這類應用中需要爭迅速規劃無人機飛行路徑，他們的算法可以發揮關鍵作用。

該研究由印度理工學院馬德拉斯分校的航空航天工程系助理教授Satadal Ghosh領導，已在《AIAA Journal of Guidance, Control and Dynamics》和《IEEE Control Systems Letters》等國際知名期刊，以及IEEE決策與控制大會（CDC）、美國控制會議（ACC）和AIAA等頂級會議上發表了數篇研究論文。

團隊成員包括：印度理工學院馬德拉斯分校校友、得克薩斯大學奧斯汀分校的博士研究學者Vrushabh Zinage、波蘭華沙理工大學的研究生Adhvaith Ramkumar以及高盛分析師Nikhil P。

Zinage說：“基于GSE的算法其工作原理是，計算由環境中由大的‘可見’區域組成的‘安全’區，基于GSE的算法會進行規劃，確保可導航性。”

Zinage說：“隨后，該算法會在‘可見’區域中隨機選擇一個點，并通過安全‘邊緣’將其連接到當前安全可達區域。最終，該算法幾乎總是可以連接環境中的任意兩點，滿足了某些基本標準。”

該研究人員解釋，基于GSE的算法其主要優勢在于，與另外幾種傳統的運動規劃算法相比，計算效率顯著提高。

這自然使得基于GSE的算法特別適合規劃緊急場景。

Adhvaith Rajkumar說：“這種算法不需要使用耗費量大計算的碰撞檢查模塊，而是利用了‘廣義形狀’這個新概念，廣義空間是從環境中的一個點可到達的最大自由空間，這一方式類似于人類對“安全”空間的判斷方式。”

這一算法本質上提高了探測環境的速度，基于GSE的算法只需很少的迭代即可連接初始區和目標區。

解釋“運動規劃”算法的應用時，印度理工學院馬德拉斯分校的航空航天工程系助理教授Satadal Ghosh說：“配備我們算法的無人機在災害管理和響應場景中可以發揮重要作用。”

他說：“發生地震等災難事件后，常常派無人機去勘查受災地區，并掃描殘骸以執行搜救任務。由于在這類應用中需要快速提前規劃無人機飛行路徑，我們的算法可以發揮關鍵作用。”

他說：“籠統地講，基于GSE的這類算法在自動應用環境下有廣闊的潛力，包括倉庫物料運輸、項目竣工驗收、無人機運送、災難管理、自動駕駛汽車等。還可以利用這種算法，在多車輛環境下制定協調運動的策略。”

據團隊聲稱，這項研究的現狀是局限于基于GSE算法的理論開發和改進，以及對其進行廣泛的基于現實模擬的驗證。

研究人員計劃在不久的將來在無人機和地面車輛上應用這些算法。

Ghosh說：“在動態環境下，來自車載傳感器的位置信息是有限的，或者當任務因動態變化的關鍵任務要求（比如情報、監視和偵察即ISR操作，或使用漫游車進行的行星探測）而干預車輛的移動時，通常需要對運動進行頻繁的、快速的重新規劃。”

Ghosh說：“我們目前的研究表明，即使在這種情況下，由于我們基于GSE的算法在環境中的不同點計算的可見區具有的獨特性，這種算法使實時運動規劃變得容易許多。”

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】