-
微信號:youuav
關(guān)注官方微信
m.youuav.com手機掃碼看新聞
-
- 添加收藏
- 關(guān)于我們
無人機整機
無人機配件
無人機服務(wù)
設(shè)備與工具
RAPTOR 做了什么？
為了解決上述問題，港科大的研究者提出了一個穩(wěn)健的 perception-aware 軌跡重規(guī)劃框架——RAPTOR。
為了確保在有限的時間內(nèi)獲得可行軌跡，港科大的研究者提出了一種基于路徑引導(dǎo)梯度（path-guided gradient）的優(yōu)化方法，利用幾何引導(dǎo)路徑消除不可行的局部極小值，保證路徑重新規(guī)劃的成功。同時，為了進一步提高重新規(guī)劃的最優(yōu)性，該研究還引入了一種在線拓撲路徑規(guī)劃，以提取一組能夠捕捉環(huán)境結(jié)構(gòu)的全面的路徑。在多條不同路徑的引導(dǎo)下，多條軌跡并行優(yōu)化，使解空間得到更徹底的探索。
這一解決方案是在之前的論文《Robust real-time UAV replanning using guided gradient-based optimization and topological paths》中首次提出的。然而，該方法采用了 optimistic 的假設(shè)，缺乏對環(huán)境的感知意識，因此限制了無人機在更高速度、更復(fù)雜的環(huán)境中的能力。
為了彌補這一差距，研究人員采用 perception-aware 規(guī)劃策略將上述方法擴展到更快、更安全的飛行。
首先，該研究提出了一種風(fēng)險感知的軌跡精化方法，并將其與 optimistic 規(guī)劃器相結(jié)合。利用該方法，沿著 optimistic 軌跡，識別對無人機存在潛在危險的未知區(qū)域。這些區(qū)域的可見度以及安全反應(yīng)距離都被明確規(guī)定，以確保無人機能夠更早地發(fā)現(xiàn)未標(biāo)記區(qū)域中存在的障礙并及時躲避。
其次，研究者將無人機的偏航角納入了兩步運動規(guī)劃框架。在離散狀態(tài)空間中尋找一個使信息增益和平滑度最大化的最優(yōu)偏航角序列，并通過優(yōu)化使其更加平滑。由偏航角規(guī)劃的運動使視場（FOV）受限的四旋翼無人機主動探索未知空間，為下一步的飛行獲取更多相關(guān)知識。
本文所提出的重規(guī)劃系統(tǒng)如圖 3 所示。該算法利用全局規(guī)劃、密集映射和狀態(tài)估計模塊的輸出，對全局參考軌跡進行局部修改，以避免先前未知的障礙物。
重規(guī)劃分兩步進行：首先，穩(wěn)健的 optimistic 重規(guī)劃通過路徑引導(dǎo)優(yōu)化并行生成多個局部最優(yōu)軌跡。優(yōu)化是通過從拓撲路徑搜索中提取并精心選擇的拓撲獨特路徑來引導(dǎo)的。在這一步中采用 optimistic 假設(shè)。第二步是利用 perception-aware 規(guī)劃策略。在這一步驟中，局部最優(yōu)軌跡中的最佳軌跡通過風(fēng)險感知軌跡精化進一步細化，提高了其在未知和危險空間中的安全性和可見性。在優(yōu)化軌跡的基礎(chǔ)上，偏航角得到規(guī)劃，以主動探索未知環(huán)境的內(nèi)容。
研究者通過基準(zhǔn)比較和具有挑戰(zhàn)性的現(xiàn)實世界實驗，對所提出的 perception-aware 規(guī)劃策略和整個規(guī)劃系統(tǒng)進行了系統(tǒng)的評估。結(jié)果表明，perception-aware 規(guī)劃策略能夠在傳統(tǒng)方法無法保證安全的、具有挑戰(zhàn)性的場景中，支持快速和安全的飛行。此外，整個規(guī)劃系統(tǒng)在快速飛行任務(wù)的幾個方面都優(yōu)于 SOTA 方法。在復(fù)雜環(huán)境中進行的大量室內(nèi)外飛行試驗也驗證了該規(guī)劃系統(tǒng)的有效性。
作者簡介
本文一作 Boyu Zhou 是香港科技大學(xué) Robotics Institute 的在讀博士生，本科階段就讀于上海交通大學(xué)。他的研究興趣包括移動機器人運動規(guī)劃和密集映射、信息路徑規(guī)劃等。
Boyu Zhou的導(dǎo)師沈劭劼是香港科技大學(xué)副教授，同時擔(dān)任香港科技大學(xué) - 大疆創(chuàng)新聯(lián)合實驗室主任。他 2014 年于美國賓夕法尼亞大學(xué)獲得博士學(xué)位，并于同年加入香港科技大學(xué)任教。他的研究興趣主要集中在機器人和無人機領(lǐng)域，包括狀態(tài)估計、傳感器融合、定位和映射以及在復(fù)雜環(huán)境中的自主導(dǎo)航。
沈劭劼和他的研究團隊曾獲 IROS 2018 最佳學(xué)生論文獎、SSRR 2016、2015 最佳論文獎等獎項。去年拿到 200 萬左右年薪的「華為天才少年」秦通也是沈劭劼的學(xué)生。
Java工程師入門深度學(xué)習(xí)（二）：DJL推理架構(gòu)詳解
DJL是亞馬遜推出的開源的深度學(xué)習(xí)開發(fā)包，它是在現(xiàn)有深度學(xué)習(xí)框架基礎(chǔ)上使用原生Java概念構(gòu)建的開發(fā)庫。DJL目前提供了MXNet,、PyTorch和TensorFlow的實現(xiàn)。Java開發(fā)者可以立即開始將深度學(xué)習(xí)的SOTA成果集成到Java應(yīng)用當(dāng)中。
11月3日20:00，李政哲（AWS軟件開發(fā)工程師）將帶來線上分享，介紹DJL推理模塊并結(jié)合具體場景講解各模塊使用方法，推理 API 的使用方法以及如何優(yōu)化推理速度，如何部署在微服務(wù)、大數(shù)據(jù)服務(wù)以及移動端并搭配客戶成功案例的講解。
2025-05-21 13:55
2025-05-20 16:57
2025-05-20 16:46
2025-05-20 16:40
2025-05-20 16:32
2025-05-20 16:31
2025-05-20 16:10
2025-05-20 16:06
2025-05-20 16:05
2025-05-20 15:03
