《Ocean Engineering》：An autonomous navigation algorithm for USVs fusing heuristic global search with a predictive collision avoidance strategy
编辑推荐：
基于环境感知的A?算法与预测动态风险场融合的USV安全导航方法，通过全局路径规划优化障碍物密度敏感的启发函数和LOS平滑机制，结合局部动态窗口法的多目标模糊自适应加权策略，实现COLREGs合规的动态避碰。实验表明全局规划效率提升55.9%，轨迹节点减少80%，局部避障保持两倍半径安全距离。
王世雄|赵恩娇|李虎|冯飞帆
哈尔滨工程大学智能系统科学与工程学院，中国黑龙江省哈尔滨市150001
摘要
在复杂的海洋环境中，无人水面航行器（USVs）需要在遵守《国际海上避碰规则》（COLREGs）的同时，安全高效地导航。然而，许多分层规划框架在全局与局部层面之间的耦合较弱，这使得在动态遭遇中同时提高安全性、效率和规则遵从性变得困难。本文提出了一种融合的自主导航框架，该框架将改进的全局启发式规划器与预测性局部避碰机制相结合。在全局层面，开发了一种考虑障碍物密度的A?方法，通过惩罚穿越密集障碍物的行为来促进内在安全性，从而提前引导搜索避开高风险区域。然后应用视线（LOS）平滑模块来减少路径曲率并提高连续性。在局部层面，通过对动态窗口方法（DWA）进行重构，加入了（i）用于预测性碰撞评估的动态风险场，（ii）用于感知遭遇情况的定量COLREGs模型，以及（iii）用于在线调整多目标权重的模糊自适应策略，以增强在不确定性下的决策鲁棒性。在多障碍物和动态遭遇场景中的广泛仿真验证了所提框架的有效性。与基线A?–DWA规划器相比，所提出的全局规划器将平均规划时间减少了55.9%，并将轨迹节点数量从42个减少到8个。同时，预测性DWA始终保持最小间隔距离大于USV半径的两倍。这些结果表明，所提出的框架在复杂的海洋场景中有效满足了平滑性、COLREGs合规决策和计算效率的同时需求。未来的工作将集中在实地试验和硬件评估上，以进一步评估其在现实世界中的适用性。
引言
随着人工智能的快速发展，无人水面航行器（USVs）越来越多地应用于环境监测、搜救和海上监视等任务（Barrera等人，2021；Sarda和Dhanak，2017；Wang等人，2019；Yuan和Rui，2023）。由于复杂的水动力特性以及静态障碍物和动态移动船只的共存，在杂乱的海岸水域实现安全、高效和自主导航仍然具有挑战性（Yang等人，2025）。分层规划——通常结合利用先验地图信息的全局规划器和响应实时感知的局部规划器——已成为一种常见解决方案，因为它提供了远距离指导和短期适应性（Bai等人，2022；Chen等人，2021；Yu等人，2013）。然而，在实际的海上遭遇中，性能往往受到全局路线和局部避碰决策之间耦合不足的限制，这可能导致保守的绕行、响应延迟或在密集交通中降低COLREGs的遵从性。这促使人们采用融合设计，其中全局搜索被引导至本质上更安全的区域，而局部控制则预判碰撞风险，并明确编码基于规则的机动动作（Han等人，2022；Specht等人，2017），从而在复杂场景中提高运营效率和法规一致性。
然而，主流的分层方法在实际应用中仍面临许多挑战（Wang等人，2025）。在全局路径规划层面，尽管A?算法因其高效的启发式搜索而被广泛采用（Duchon等人，2014），但由于其基于网格的扩展机制，生成的轨迹具有过多且不必要的转弯点，导致轨迹平滑度较差，难以满足USV的运动学约束。此外，其传统的启发式函数在密集障碍物环境中的搜索效率较低，现有的改进也有限，未能从根本上提高轨迹质量。在局部规划层面，动态窗口方法（DWA）通过将运动学约束直接整合到速度空间的搜索中，在动态障碍物避让方面显示出显著潜力（Chen等人，2025）。然而，传统DWA的局限性同样明显：首先，其评估函数过于简单，容易陷入局部最优解并在复杂遭遇场景中停滞；其次，作为一种反应式策略，它缺乏对动态障碍物未来运动的预测，导致在高速遭遇时决策延迟且可能存在安全隐患（Luo等人，2023）；此外，其决策过程没有结合《国际海上避碰规则》（COLREGs），使其行为不符合规定且不可预测（Kim等人，2021）。尽管一些研究进行了COLREGs的定量整合（Lyu和Yin，2019）或强化学习（Sawada等人，2021）以进行改进，但大多数努力仅限于对评估指标的微调，未能系统地增强算法的预测性风险评估和决策遵从性。
为了利用这两种方法的优势，研究人员开始探索结合A?和DWA的融合算法。然而，大多数现有算法只是简单地将这两种传统算法应用在一起，用A?生成航点，用DWA进行跟踪。这种直接的混合设计未能解决每种算法的根本缺陷。传统A?生成的低质量、曲折的全局轨迹给DWA跟踪带来了巨大负担，迫使频繁且突然的调整，从而影响导航稳定性和效率。同时，缺乏先进决策能力的传统DWA在面对复杂动态障碍物时仍可能做出不适当的避让动作，即使有全局指导也是如此。
本研究提出了一种融合算法，增强了基于A?–DWA的导航系统中全局路径规划与局部障碍物避让之间的协调。该方法解决了传统框架中的薄弱环节，即全局规划器忽视了局部环境变化，而局部规划器在没有全局指导的情况下运行。它结合了一个具有环境意识的增强全局规划模块和一个用于动态障碍物避让的预测性局部规划模块，从而在统一的安全性和效率标准下实现一致的决策。再加上用于实时平衡导航目标的自适应权重策略，这些模块构成了一个连贯的框架，提高了复杂海洋环境中的路径安全性、适应性和整体导航性能。
(1)设计并验证一种基于A?的增强全局规划算法，通过结合环境感知的启发式函数、采用面向目标的五邻域扩展以及集成视线（LOS）平滑机制（Liu等人，2016），从而提高全局轨迹的初始质量、内在安全性和平滑度，确保高效且无碰撞的全局导航。
(2)开发并实现一种基于DWA的重构局部规划算法，通过建立预测性动态风险场、定量整合COLREGs以及自适应模糊权重，将传统的反应式障碍物避让范式转变为积极主动且符合规定的决策模型，从而在动态条件下实现预测性碰撞避让。
(3)建立并测试一种分层融合机制，将高质量的全局轨迹与积极主动的局部障碍物避让相结合，从而验证所提出的融合导航算法在实现安全、高效且符合COLREGs的导航方面的有效性和鲁棒性。
本文的其余部分组织如下：第2节介绍理论背景和基本模型。第3节描述了基于电子海图的环境建模过程。第4节概述了整体融合路径规划框架。第5节基于环境感知和目标导向的全局路径规划算法设计，第6节基于预测性风险评估和多目标决策的局部避让算法设计分别详细介绍了改进的全局和局部规划算法的设计。第7节对关键参数进行了敏感性分析。最后，第8节总结了本文并讨论了未来的工作。
节选
理论背景
本节提供了支持所提出的融合导航算法的理论基础。首先介绍了USV的运动学和动力学模型，然后介绍了A?全局路径规划算法和用于局部运动优化的动态窗口方法（DWA）的基本原理。随后部分解释了《国际海上避碰规则》（COLREGs）的建模以及模糊逻辑在自适应多目标中的应用
电子海图分析
本研究基于S-57标准电子海图（Yang等人，2011）构建了海洋环境模型。S-57标准使用分层结构组织地理空间数据，便于系统地提取障碍物信息。具体的提取程序如下：首先选择包含陆地、航行危险区域和指定功能区（如禁渔区）的层；接下来，解析这些层以获取它们的
融合路径规划算法
如图5所示，本研究提出了一种深度集成的分层路径规划框架，用于USV导航，该框架结合了增强型全局A?规划器和改进型局部DWA。采用全局A?算法是因为其最优性和完整性，并通过加入环境感知的启发式方法来引导搜索朝向更安全的区域，而不仅仅是最小化路径长度；进一步应用LOS平滑步骤以提高连续性和运动学可行性。局部DWA
环境感知启发式函数的设计
A?算法中使用的传统启发式函数——通常是欧几里得距离——作为基础组件，因为它提供了在局部平面海洋环境中真实路径成本的可接受且几何上一致的估计。与曼哈顿距离、马氏距离或哈弗辛距离等替代方法相比，欧几里得度量更好地反映了USV运动的连续运动学特性，并避免了不必要的计算或曲率相关问题目标导向的评估机制
在复杂的海洋环境中，传统的DWA评估框架存在显著局限性。当障碍物直接位于USV和目标之间时，航向和障碍物避让功能会发生冲突，通常导致局部最优解。在这种情况下，USV会在接近目标和被附近障碍物排斥之间交替，或者产生偏离期望航线的过度曲折的轨迹。为了解决这个问题，本研究引入了一种目标导向的实验分析
本章通过一系列比较实验验证了所提算法的性能优势。分析结构包括三个不同方面：全局规划算法的性能、局部障碍物避让策略的有效性以及最终融合算法的全面性能。结论
为了解决无人水面航行器（USV）导航中的安全性、效率和合规性挑战，本文提出并验证了一种深度融合的路径规划算法。在全局层面，重构的A?算法结合了优化的搜索策略和视线（LOS）平滑机制；实验表明，其平均规划时间减少了55.9%，轨迹转弯次数从42次减少到8次。在局部层面，重构的DWA
CRediT作者贡献声明
王世雄：撰写——原始草稿、验证、软件、方法论、调查、形式分析、数据整理、概念化。赵恩娇：撰写——审阅与编辑、资源获取。李虎：资源、调查。冯飞帆：验证、调查。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了国家自然科学基金（项目编号：61903099）、黑龙江省自然科学基金（项目编号：LH2020F025）、中国博士后科学基金（项目编号：2021M690812）和黑龙江省博士后科学基金的支持。
