DYNUS: Uncertainty-aware Trajectory Planner in Dynamic Unknown Environments

本文介绍了DYNUS，这是一种专为动态未知环境设计的、具备不确定性感知能力的轨迹规划器。在这样的环境中运行面临诸多挑战——最显著的是，由于智能体无法预测障碍物的真实未来路径，预先规划的轨迹可能在任何时候变得不安全，因此需要快速重新规划以避免碰撞。 近期开发的一些规划器采用了软约束方法，以实现必要的快速计算；然而，这些方法即使在面对静态障碍物时也无法保证无碰撞路径。相比之下，硬约束方法能够确保无碰撞的安全性，但通常计算时间更长。 为了解决这些问题，我们提出了三项关键贡献。首先，DYNUS全局规划器（DGP）和时空安全走廊生成模块在时空空间中运行，并能处理三维环境中静态和动态障碍物。其次，安全规划框架利用探索性轨迹、安全轨迹和应急轨迹的组合，在检测到与动态障碍物可能发生未来碰撞时灵活重新规划路径。最后，快速硬约束局部轨迹生成模块通过变量消去法减少问题规模，提前计算自由变量与依赖变量之间的关系，从而在确保无碰撞轨迹的同时加速计算。 我们在多种仿真环境中对DYNUS进行了评估，包括密集森林、狭窄的办公室空间、洞穴系统以及动态环境。实验结果表明，DYNUS实现了100%的成功率，且旅行时间比现有最先进的方法快约25.0%。此外，我们还在多个平台上对DYNUS进行了测试，包括四旋翼无人机、轮式机器人和四足机器人，涵盖了仿真和硬件实验。

该论文试图解决在动态未知环境中进行安全轨迹规划的问题，尤其是在无法预测障碍物未来路径的情况下如何保证实时性和安全性。这是一个长期存在的问题，但随着机器人在复杂环境中的应用增加，这一问题变得更加重要。

DYNUS 提出了一个结合软约束和硬约束的混合方法，通过三个关键贡献来解决动态环境下的轨迹规划问题：1) 在时空空间中处理静态和动态障碍物的全局规划器；2) 基于探索性、安全性和应急策略的灵活重规划框架；3) 使用变量消除技术加速计算同时确保无碰撞的局部轨迹生成。这种方法既提高了计算效率，又保证了安全性，与现有方法相比具有显著创新。

实验设计涵盖了多种场景（如密集森林、办公室空间、洞穴系统和动态环境），并在不同平台（如四旋翼无人机、轮式机器人和四足机器人）上进行了验证。结果显示 DYNUS 的成功率达到了 100%，且旅行时间比现有方法快约 25%。此外，研究结合了仿真和硬件实验，证明了其实际可行性。目前尚不清楚是否有开源代码，但论文提到的工作方向值得进一步研究，例如更复杂的动态环境建模和多机器人协同规划。

近期相关研究包括：1) "Reactive Safe Trajectory Planning in Dynamic Environments"，探讨了基于反应式的安全轨迹规划；2) "Fast Kinodynamic Motion Planning via Risk-Sensitive Safe Corridors"，提出了一种快速运动规划方法；3) "Collision-Free Navigation for Quadrotors in Cluttered Environments"，专注于四旋翼无人机在杂乱环境中的无碰撞导航。这些研究均关注动态环境下的安全性或效率，但 DYNUS 在综合性能上表现出更强的优势。