自主無人飛行器（UAV）在廣泛的應(yīng)用中顯示出巨大潛力，包括自動包裹遞送和大范圍地理區(qū)域的監(jiān)視。但是，為了在現(xiàn)實(shí)環(huán)境中完成任務(wù)，無人機(jī)需要能夠有效導(dǎo)航并規(guī)避周圍環(huán)境出現(xiàn)障礙。

瑞典呂勒奧工業(yè)大學(xué)和加利福尼亞理工學(xué)院的研究人員最近開發(fā)了一種基于非線性模型預(yù)測控制（NMPC）的計(jì)算技術(shù)，該技術(shù)可以為無人機(jī)提供更好的導(dǎo)航和避障能力。他們使用的NMPC方法發(fā)表在IEEE機(jī)器人與自動化快報(bào)上的一篇論文中，該方法基于OpEn（優(yōu)化引擎）的結(jié)構(gòu)，OpEn（優(yōu)化引擎）是貝爾法斯特女王大學(xué)Pantelis Sopasakis博士開發(fā)的參數(shù)優(yōu)化軟件。

進(jìn)行這項(xiàng)研究的研究人員之一比約恩·林德奎斯特（BjörnLindqvist）對TechXplore表示：“我們的團(tuán)隊(duì)先前發(fā)表了幾篇有關(guān)無人機(jī)自動避障和導(dǎo)航的作品。” “在我們最近的研究中，我們開始使用NMPC擴(kuò)展避障的概念，以包括對移動或動態(tài)障礙的直接考慮。我們的目標(biāo)是提供技術(shù)演示，說明現(xiàn)代智能控制結(jié)構(gòu)如何使無人飛行器成為例如在城市環(huán)境中經(jīng)常使用的環(huán)境中，周圍環(huán)境總是在移動，并且避免碰撞對于確保人員和其他車輛的安全非常重要。”

NMPC是基于優(yōu)化的方案，可用于解決各種現(xiàn)實(shí)問題。該方案可以基于系統(tǒng)的數(shù)學(xué)模型以及在給定時(shí)間作用于系統(tǒng)的一系列控制輸入，對系統(tǒng)的未來狀態(tài)進(jìn)行預(yù)測。

其預(yù)測涵蓋了多個未來時(shí)間步長，這些時(shí)間步長合起來稱為“預(yù)測范圍”。隨后，該方案以允許系統(tǒng)最有效地完成一組所需目標(biāo)的方式（例如參考跟蹤）計(jì)算控制輸入。 ，避免障礙，保持約束等）。

Lindqvist及其同事在論文中表明，基于NMPC的模型可以在不斷變化的環(huán)境（例如城市）中為無人機(jī)提供先進(jìn)的自主導(dǎo)航和避障功能。更具體地說，他們使用NMPC算法來預(yù)測無人機(jī)周圍環(huán)境中的障礙物軌跡，同時(shí)還使用分類模型來區(qū)分不同類型的軌跡并預(yù)測障礙物的未來位置。
 
Lindqvist說：“由于NMPC通過預(yù)測和優(yōu)化未來狀態(tài)進(jìn)行工作，因此我們也可以根據(jù)一些測量結(jié)果，通過預(yù)測移動/動態(tài)障礙物的未來位置來納入對移動/動態(tài)障礙物的直接考慮。” “這種方法提供了一種優(yōu)雅的解決方案，將控制，局部路徑規(guī)劃和動態(tài)避障功能集成在一個控制層中。”

研究人員在許多實(shí)驗(yàn)室實(shí)驗(yàn)中評估了他們的NMPC方案。值得注意的是，他們的模型可以在無人機(jī)被多個移動障礙物包圍的各種情況下防止碰撞。

Lindqvist說：“在呂勒奧工業(yè)大學(xué)的機(jī)器人與AI團(tuán)隊(duì)中，我們非常重視理論的實(shí)驗(yàn)驗(yàn)證。” “在我們最近的工作中，我們展示了NMPC架構(gòu)如何即使在非?？焖僖苿拥恼系K物的情況下也能提供無碰撞的軌跡，而又不違反規(guī)定的安全距離。我相信，這種避免障礙物是在城市環(huán)境中使用無人機(jī)的有趣途徑或與人類緊密互動。”

該研究強(qiáng)調(diào)了NMPC優(yōu)化方案在增強(qiáng)無人機(jī)導(dǎo)航能力方面的巨大潛力。Lindqvist和他的同事們收集的發(fā)現(xiàn)也可以啟發(fā)其他研究團(tuán)隊(duì)將類似的優(yōu)化技術(shù)用于機(jī)器人控制和路徑規(guī)劃。最終，這將有助于無人機(jī)和其他可在擁擠而動態(tài)的環(huán)境中安全移動的移動機(jī)器人的開發(fā)。
Lindqvist補(bǔ)充說：“作為CoSTAR小組 DARPA地下挑戰(zhàn)賽的一部分，我相信在接下來的一年左右的時(shí)間里，我們將投入大量精力來探索無人機(jī)的地下勘探和路徑規(guī)劃這一主題。” “對于本文展示的動態(tài)避障，我們計(jì)劃進(jìn)行未來的研究，旨在集成車載深度攝像頭（或類似設(shè)備）來跟蹤障礙，以及改進(jìn)和推廣我們的障礙預(yù)測方法。”