Decentralized Multi-Agent Trajectory Planning in Dynamic Environments with Spatiotemporal Occupancy Grid Maps

本文提出了一种去中心化轨迹规划框架，用于解决多个微型飞行器（MAVs）在静态和动态障碍物环境中的碰撞回避问题。该框架利用时空占据网格地图（SOGM）作为环境表示，预测邻近空间在不久的将来的占据状态。基于这种表示，我们扩展了运动学A *和走廊约束轨迹优化算法，以有效地处理任意形状的静态和动态障碍物。通过共享计划轨迹并将其投影到SOGM中，实现了通信机器人之间的碰撞回避。仿真结果表明，我们的方法在具有不同数量和形状障碍物的动态环境中实现了与最先进方法相当的性能。最后，所提出的方法在实际实验中得到验证。

多个微型飞行器在静态和动态障碍物环境中避免碰撞的问题。

使用SOGM作为环境表示，扩展运动学A*和基于走廊约束的轨迹优化算法，实现对任意形状的静态和动态障碍物的高效处理。通过共享规划轨迹并将其投影到SOGM中来集成通信机器人之间的碰撞避免。

论文在不同数量和形状的障碍物动态环境中展示了该方法的竞争性能，并在实验中验证了该方法。

该领域的相关研究包括：1）A. Faust等人的“Autonomous Flight in Cluttered and Dynamic Environments Using a Decentralized Multi-UAV System”；2）E. Montijano等人的“Decentralized Collision Avoidance for Multi-Agent Systems Using Spatiotemporal Occupancy Maps”。