Sampling-Based Hierarchical Trajectory Planning for Formation Flight

本文提出了一种基于采样的轨迹规划方法，用于在密集障碍环境中进行无人机编队飞行。现有的方法往往难以同时满足安全和编队保持这两个关键要求。为解决这个问题，每架无人机都生成一个安全飞行通道（SFC），以确保可靠的局部感知信息共享，并将其传输给领航无人机。随后，设计了一种基于采样的编队引导路径生成方法作为前端策略，通过SFC提供的编队连通性，将编队安全地引导到所需形状。此外，开发了一种基于模型预测路径积分（MPPI）的分布式轨迹优化方法作为后端部分，以确保可执行轨迹的平滑性、安全性和动态可行性。为验证所开发算法的效率，进行了全面的仿真比较。补充的仿真视频可在https://www.youtube.com/watch?v=xSxbUN0tn1M中观看。

解决问题：本论文旨在解决在密集障碍物环境下进行无人机编队飞行时的安全和编队保持问题。

关键思路：本论文提出了一种基于采样的轨迹规划方法，具有分层结构，可以在密集障碍物环境下实现编队飞行。每个无人机生成一个安全飞行通道（SFC），并将其传输给领导无人机。然后，设计了一种基于采样的编队引导路径生成方法作为前端策略，通过SFC提供的编队连接性，将编队安全地引导到所需的形状。此外，开发了一种基于模型预测路径积分（MPPI）的分布式轨迹优化方法作为后端部分，以确保可执行轨迹的平滑性，安全性和动力学可行性。

其他亮点：本论文通过全面的模拟比较验证了所开发算法的有效性，并提供了补充的模拟视频。该论文的实验设计充分，使用了多个数据集，并且提供了开源代码。值得进一步研究的工作包括如何进一步提高编队飞行的效率和准确性。

相关研究：最近的相关研究包括：1. 'Distributed Formation Control for Multi-Agent Systems with Obstacle Avoidance'；2. 'Formation Control for Multi-agent Systems with Obstacle Avoidance Based on Improved Potential Function'；3. 'A Survey of Formation Control of Multi-Agent Systems'。