基于图交互预测的无人机动态障碍物三维安全路径规划方法

《Electronics》：Graph-Interaction-Prediction-Based Planning of Safe Flight Intervals and Dynamic 3D Paths for UAVs

　　摘要为了解决在无人机（UAV）飞行过程中将动态障碍物的预测分布直接转化为三维（3D）规划约束这一难题，我们提出了 Torch GIP-RB-SI-3DA*，一种基于图交互预测的方法来规划安全飞行间隔和动态三维路径。该模型从连续六帧观测到的三维位置和速度出发，预测 15 秒范围内的轨迹分布，并将校准后的分布映射为即时体素级风险。前端通过多标签搜索强制执行即时风险与累积风险约束。后端执行有限差分平滑与联合重定时，随后对无碰撞性以及风险、速度、加速度和加加速度约束进行密集采样验证。在 10 个独立训练种子中，Torch GIP 相对于 NoGraph 将平均位移误差（ADE）和最终位移误差（FDE）分别降低了 5.07–15.25% 和 5.93–9.29%，同时实现了更低的负对数似然（NLL）。所有这些改进在经过 Holm 校正后仍具有统计显著性。在 100 个预筛选的分布内（ID）场景中，Torch GIP 生成了 88 条候选轨迹，其中 82 条在地面真值下无碰撞，76 条满足地面真值即时风险约束，82 条在端到端评估中满足地面真值风险预算。尽管其候选生成率低于恒速（CV）基线，但其在所有三个地面真值评估标准下的生成率均高于 CV 和基于规则的 GIP。配对消融研究确定联合重定时是维持端到端生成率的关键组件。在 50 个分布外（OOD）场景中，该方法生成了 48 条规划轨迹，其中 41 条在地面真值下无碰撞，33 条满足地面真值风险预算。所有 16 段具有已知未来运动的 UZH-FPV 轨迹重放均通过了离线和基于采样的验证。这些结果表明，所提出的方法提供了从预测分布到三维规划约束的系统化且可验证的转化。