毅力号火星车增强自主导航系统（ENav）：在计算资源受限环境下实现高效安全火星探测

《IEEE Transactions on Field Robotics》：Enhanced Autonomous Navigation on the Perseverance Mars Rover

本文介绍了NASA毅力号火星车搭载的增强自主导航系统（ENav），该系统通过创新的两阶段路径选择方法和近似间隙评估算法（ACE），在单核RAD750处理器（133 MHz）的极端计算资源限制下，成功解决了高不确定性环境中的安全性和性能要求难题。研究显示，ENav使毅力号90%的行驶里程（32.1公里中29.1公里）实现全自主导航，平均行驶速度达92米/小时，较好奇号提升5倍以上，创造了单日自主行驶347.7米的新纪录。该技术为未来地外探测任务建立了自主导航新标准。

　　

在红色星球的陌生地貌上，一辆汽车大小的机器人正以人类步行速度的四分之一缓缓爬行。它的前方是密布着尖锐岩石的河床，脚下是随时可能打滑的沙地，而最近的工程师团队远在数亿公里之外的地球。这就是NASA毅力号火星车每日面临的挑战——如何在通信延迟高达20分钟的火星环境中，实现安全高效的自主移动？

毅力号着陆的杰泽罗陨石坑曾是一个远古湖泊，其地形复杂度远超此前任务区域。如图3所示，该区域岩石密度（CFA）显著高于好奇号所在的盖尔陨石坑，传统导航算法难以应对。更严峻的是，火星车仅配备单核133 MHz RAD750处理器，计算能力仅相当于上世纪90年代的个人电脑。面对这些限制， JPL团队开发了增强自主导航系统（Enhanced Autonomous Navigation， ENav），使毅力号实现了前所未有的自主驾驶能力。

ENav的核心突破在于其独特的两阶段路径选择机制。第一阶段基于路径成本（局部成本+全局成本+惩罚项）快速排序所有路径选项；第二阶段仅对排名靠前的路径执行计算密集的近似间隙评估（Approximate Clearance Evaluation， ACE）碰撞检测。这种设计使得在平坦地形上可实现连续行驶（思考中驾驶， TWD），仅在复杂地形需要停车“思考”。ACE算法通过保守估计车轮边界框（wheel boxes）内的地形起伏，确保即使在最坏滑移情况下也能保证车辆安全。

关键技术方法包括：1）分层地图系统（10厘米分辨率高度图与1米分辨率成本图协同）；2）参数化运动基元树搜索（固定树+遗传树+撤退树）；3）视觉计算单元（Vision Compute Element， VCE）搭载FPGA加速立体视觉处理；4）基于Dijkstra算法的全局规划器；5）中途路径重评估机制。这些技术使系统能在25厘米间隔内连续评估路径安全性。

研究结果

路径规划效率突破

ENav使毅力号自主导航比例达到90%，而好奇号仅为5%。如图2所示，截至第1312个火星日，车辆累计行驶32.1公里，其中29.1公里由ENav自主完成。最具代表性的是第753火星日创造的347.7米单日行驶纪录，如图4a所示路径清晰显示系统成功规避了远处障碍物。

复杂地形通过性验证

在蛇形急流（Serpentine Rapids）和夏延小径（Summerland Trail）区域，ENav成功引导车辆通过16-23度斜坡地形（图2）。蒙特卡洛模拟显示，在坡度≤15度、岩石覆盖率≤7%CFA的良性地形中，路径成功率可达100%；即使在20度坡度、15%CFA的复杂地形中，成功率仍保持75.7%。这表明系统能有效平衡安全性与通过性。

实时性能优化

通过图5所示架构，ENav在RAD750处理器上实现平均92米/小时的行驶速度。关键创新“思考中驾驶”（Thinking-While-Driving）模式消除了传统步进式导航的停车等待时间。CPU使用率分析（图17）显示，导航任务（NAV）仅占用32%的CPU资源，证明算法在极端资源限制下的高效性。

安全性验证

如图20所示，通过超过500GB的蒙特卡洛模拟数据验证，ACE算法对所有安全指标（底盘离地间隙、车轮落差、姿态角等）的评估均保持保守性。在火星实际任务中，ENav成功处理了包括规避机智号直升机（图38-40）、穿越沙丘（图44-46）等复杂场景，未发生任何安全事故。

结论与意义

ENav系统标志着行星探测自主导航技术的范式转变。其创新性体现在：1）首次在计算资源受限的航天器上实现连续自主导航；2）通过算法优化而非硬件升级实现性能量级提升；3）建立可验证的安全保障体系。该技术已为后续任务奠定基础，如正在开发的车载全局定位（Global Localization）系统将进一步提升长距离导航能力。随着未来地外探测任务向更复杂环境扩展，ENav提供的技术框架将为自主导航系统设计树立新标准。

研究同时指出，现有系统的保守性参数在极端地形仍会限制通过性（如第1001火星日案例），这为未来结合机器学习等先进技术留下优化空间。该成果不仅推动行星机器人技术发展，其“有限资源下最大化性能”的设计哲学对地面自动驾驶系统同样具有借鉴意义。