DIA-MPPI：一种基于扩散原理的控制框架，用于自主水下航行器舰队的高效路径优化

《Ocean Engineering》：DIA-MPPI: A diffusion-inspired control framework for efficient path optimization in autonomous underwater vehicle fleets

自主水下航行器多机协同避碰控制策略研究提出双指标碰撞风险预测框架，融合距离到最近点（DCPA）和时间到最近点（TCPA）实现动态风险评估。创新性引入扩散启发式退火算法优化模型预测路径积分（MPPI）控制，通过自适应核采样平衡探索与收敛效率，显著提升复杂海洋环境下多AUV协同避碰性能。仿真验证表明该方法在动态扰动和非合作目标场景中具有更优的路径优化精度和鲁棒性。

　　本文探讨了多自主水下航行器（AUVs）在复杂海洋环境中进行协同导航与碰撞避让的创新策略。随着深海探索和水下声学数据采集的需求日益增长，AUVs 已成为不可或缺的工具。然而，当前多AUV系统的导航与路径规划仍面临诸多挑战，包括能耗效率、机动性以及协作能力等方面的限制。因此，研究如何在动态环境下实现高效的多AUV协作与避让，成为提升水下机器人智能化水平的重要课题。

在现有研究中，学者们提出了多种方法以应对AUV的避障与避碰问题，如蚁群优化算法、A*算法、模糊逻辑、模型预测控制（MPC）以及强化学习（RL）等。这些方法各有优劣，但往往难以兼顾复杂环境下的实时性和适应性。例如，基于最近会遇点（CPA）的碰撞风险评估方法虽然能够直观地量化碰撞风险，但其仅适用于传统水面船舶的交通服务场景，未能充分考虑AUV的欠驱动特性和海洋动态干扰，因此在复杂水下环境中存在局限。此外，一些方法依赖于外部轨迹规划，缺乏直接控制能力，导致响应迟缓，难以应对非合作目标。

本文提出的策略融合了CPA碰撞风险评估与一种受扩散启发的退火算法，以解决多AUV系统在动态环境中的协调与避让问题。该方法引入了双指标碰撞风险预测框架，结合了最近会遇点距离（DCPA）和最近会遇点时间（TCPA），实现了对潜在碰撞风险的前瞻性评估，从而提升了避碰规划的可靠性。同时，该策略采用了一种自适应采样核机制，通过扩散启发的退火算法优化模型预测路径积分（MPPI）算法，克服了传统固定采样核方法在复杂环境下的过度探索问题，增强了路径优化的稳定性与效率。

在实际应用中，多AUV系统的协同作业能够显著提升任务完成的效率和灵活性。然而，由于AUV的欠驱动特性，其在执行复杂任务时往往面临动力限制的挑战。因此，如何在有限能源条件下实现高效的路径规划与避让，成为当前研究的重点。本文提出的DIA-MPPI算法在这一方面进行了创新，通过动态调整采样核，实现了全局探索与局部收敛之间的平衡，从而有效应对复杂海洋环境下的不确定性因素。

本文的研究还涉及AUV的建模与仿真。在AUV建模部分，介绍了地面坐标系与机体坐标系的概念，这两种坐标系为AUV的运动状态描述提供了理论基础。通过建立精确的坐标系统，可以更准确地分析AUV在不同环境下的运动特性，从而为后续的控制算法设计奠定基础。此外，本文还讨论了基于CPA的碰撞风险评估算法，以及DIA-MPPI控制框架的构建过程，强调了其在多AUV系统中的整合应用，以实现高效、安全的避让与路径规划。

在仿真结果与分析部分，通过设置不同数量的AUV（如2、3、4台）以及不同环境条件（如是否存在未知水流和障碍物），验证了所提出方法在有限能源条件下的控制性能。仿真结果表明，该方法不仅能够实现精确的避障与避碰，还能够在高度复杂和变化的海洋场景中实现可扩展、协作的多AUV作业。此外，该方法在应对不确定性因素和随机噪声干扰方面表现出色，能够确保多AUV系统在混合遥控潜水器（ROV）与AUV系统中的稳定运行。

本文的研究成果对提升水下机器人系统的自主导航能力具有重要意义。通过引入双指标风险预测框架和自适应采样核机制，所提出的方法不仅能够有效解决多AUV系统的避碰问题，还能够增强其在复杂海洋环境中的适应性与智能化水平。这为未来的水下机器人研究提供了新的思路和方法，有助于推动海洋科学与技术的发展。

在作者贡献部分，Jintao Zhao负责撰写初稿、方法论和研究分析；Tao Liu负责撰写修订、概念设计；Junhao Huang负责监督研究过程；Zizhe Fang、Dongye Liu、Zijian Shen、Can He则参与了研究分析和可视化工作。此外，本文的数据可用性声明指出，研究中使用的所有数据均包含在论文本身中，包括图表、表格和实验结果，无需访问外部数据集。因此，支持本文研究的数据对读者而言是易于获取的，无需额外下载或访问。

本文的研究得到了多个科研基金的支持，包括广东省基础与应用基础研究基金（项目编号2025A1515010940）、声呐实验室（项目编号2024-JCJQ-LB-32/08）、南方海洋科学与工程广东省实验室（珠海）（项目编号SML2024SP006和311024018）以及国家自然科学基金（项目编号U22A2012、1237442）。这些资助为研究的顺利开展提供了必要的资源和条件，也体现了该研究在水下机器人领域的重要价值。

综上所述，本文提出的DIA-MPPI算法为多AUV系统的避碰与路径规划提供了一种新的解决方案。通过结合DCPA和TCPA指标，实现了对潜在碰撞风险的精确评估，从而为避碰措施的及时实施提供了可靠依据。同时，该方法在应对复杂海洋环境下的不确定性因素方面表现出色，能够有效提升多AUV系统的适应性与智能化水平。这一研究不仅推动了水下机器人技术的发展，也为未来的深海探索和水下声学数据采集提供了新的思路和方法。