第 34 卷第 5 期
2012 年 9 月
机器人 ROBOT
Vol.34, No.5
Sep., 2012
DOI:10.3724/SP.J.1218.2012.00513
基于 IHDR 自主学习框架的无人机 3 维路径规划
陈 洋
1
,张道辉
2,3
,赵新刚
2
,韩建达
2
(1. 武汉科技大学信息科学与工程学院,湖北 武汉 430081; 2. 中国科学院沈阳自动化研究所机器人学国家重点实验室,辽宁 沈阳 110016;
3. 沈阳理工大学信息科学与工程学院,辽宁 沈阳 110159)
摘 要:提出一种基于自主学习框架的无人机 3 维路径规划方法.该自主学习框架由知识学习、知识检索和在
线更新三部分组成.在该框架中,无人机在线路径规划时首先从过去的规划经验中提取控制量直接用于指导当前机
器人的行动,另一方面,如果检索结果对于当前无人机的状态是无效的,可以在线启动常规 3 维路径规划算法,实
时计算机器人的控制量,在控制机器人运动的同时将当前状态下的新决策量添加到知识库中从而对其进行更新.此
外,分别采用增量分层判别回归算法(IHDR)和 k-D 树方法建立了路径规划知识库.其中,IHDR 方法通过增量方
式,可将以往的路径样本建立为一棵分层树.大量的仿真结果对比表明,在本文提出的框架下,基于 IHDR 的方法
比传统的 k-D 树方法具有更好的实时性.
关键词:无人机;3 维路径规划;自主学习框架;IHDR;k-D 树
中图分类号:TP242.6 文献标识码:A 文章编号:1002-0446(2012)-05-0513-06
UAV 3D Path Planning Based on IHDR Autonomous-Learning-Framework
CHEN Yang
1
,ZHANG Daohui
2,3
,ZHAO Xingang
2
,HAN Jianda
2
(1. College of Information Science and Engineering, Wuhan University of Science and Technology, Wuhan 430081, China;
2. The State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China;
3. School of Information Science and Engineering, Shenyang Ligong University, Shenyang 110159, China)
Abstract: An autonomous learning framework for UAV (unmanned aerial vehicle) 3D path planning is proposed. This
framework consists of three parts, i.e. knowledge learning, knowledge retrieving and updating online. In this framework, the
control value will be retrieved firstly from the existed knowledge when UAV runs online, so as the current action of the robot
can be guided by the results. If the decisions retrieved from the knowledge base are invalid for the current UAV states, the
custom algorithm for UAV path planning will be launched online and it generates the decisions for UAV’s movement in real
time. In the meanwhile, the knowledge library is updated by adding the new decisions for the current states. Additionally,
the knowledge library is constructed by the algorithm of incremental hierarchical discriminant regression (IHDR) and k-D
tree, respectively. Among these methods, IHDR can construct a hierarchical tree by using the past path planning samples. By
several simulations, IHDR method demonstrates better real time performance than the traditional k-D tree method under the
proposed framework.
Keywords: UAV (unmanned aerial vehicle); 3D path planning; autonomous learning framework; IHDR (incremental
hierarchical discriminant regression); k-D tree
1 引言(Introduction)
在移动机器人研究领域,路径规划问题研究的
是:给定机器人运动初始构型和目标构型,要求计
算出一条连续且满足各种状态约束和环境约束的可
行路径,使机器人完成从初始点到目标点的运动
[1]
.
目前,2 维平面的移动机器人路径规划技术已取得
了一定的成果和应用
[2]
,但是 3 维空间的路径规划
技术却遭遇到极大的困难
[3]
.随着人类活动空间的
扩张,人们迫切需要一套成熟可靠的 3 维空间路径
规划技术.然而,目前基于数学模型的路径规划方
法要求机器人不断重规划.因此机器人每次在面
对任何一个场景时都要重新计算,即使发现环境信
息与过去相似甚至完全相同,也对现有的规划毫无
帮助,而实际上,人的大脑在处理这类情况时是完
全不同的.人在做路径规划时,并不需要经过大脑
的重复计算,思维的很大部分结论来自于人曾经获
得的经验,因此人们希望机器人可以具有人的思维
方式,即从以往的经历中进行学习,并将学习结果
以“知识”的形式有效存储,从而方便检索,为后面
的规划和其它工作提供参考.
基金项目:国家自然科学基金资助项目(61035005, 61075087, 61203331);湖北省自然科学基金资助项目(2010CDA005);湖北省教育厅基金资助项
目(Q20111105).
通讯作者:陈洋,chenyag@gmail.com 收稿/录用/修回:2012-03-05/2012-06-04/2012-08-24
513