《Mechatronics》：Hazard-constrained global-local path planning for fault-tolerant hexapod robots on unstructured terrain
编辑推荐：
提出一种整合增强A*算法与自适应动态窗口方法（DWA）的六足机器人故障容忍路径规划框架，有效提升复杂地形下的导航鲁棒性、路径效率及安全性，为搜救和太空探索提供可靠解决方案。
作者：Bo You、Haiyu She、Jiayu Li、Chen Chen
哈尔滨工业大学，黑龙江省重点实验室——复杂智能系统，学府路52号，哈尔滨150080，中国
摘要
本研究提出了一种用于故障容忍型六足机器人在非结构化环境中导航的集成路径规划框架，以应对腿部关节故障带来的挑战。该框架结合了改进的A*算法和自适应动态窗口方法（DWA），以提高导航的鲁棒性。A*算法包含了一个基于危险的模型，用于评估地形特征，如坡度、障碍物和沟渠，通过优化启发式函数和最小化路径复杂性来确保安全和效率。自适应DWA通过针对故障的具体评估动态调整局部轨迹，平衡目标对齐、障碍物避让、稳定性和能源效率，权重经过调整以实现最佳性能。仿真和物理实验表明，该方法优于传统方法，能够在各种地形上生成更平滑、更安全的路径，并在故障条件下提高稳定性。这一框架为复杂环境中的可靠导航提供了创新解决方案，在搜索和救援行动以及外星探索中具有显著的应用潜力，因为在这些场景中，适应性和故障容忍性对任务成功至关重要。
引言
六足机器人是专为在危险和非结构化环境中操作而设计的复杂机器人系统，例如灾难响应[1]和行星探索[2]。它们的多腿配置和复杂的机械结构使它们在不平坦的地形上具有更好的机动性，优于轮式或双足机器人。然而，这种复杂性也增加了它们对腿部故障的脆弱性，例如关节卡住，这会严重干扰导航并危及任务成功[3]。在故障概率较高的高风险环境中，能够动态适应这些故障的路径至关重要。因此，先进的故障容忍路径规划策略对于在功能受限的情况下确保安全、高效的导航至关重要，从而保持操作的可靠性。
关于六足机器人路径规划的现有研究涵盖了全局和局部方法。全局方法依赖于预先存在的环境地图，包括A*算法[4]、快速探索随机树（RRT）[5]、粒子群优化[6]和蚁群优化[7]。相反，局部规划使用实时传感器数据调整轨迹，采用人工势场[8]和动态窗口方法（DWA）[9]等技术。故障容忍步态研究探讨了三足步态[10]、跟随领导者步态[11]、高级控制策略[12]、基于优化的轨迹规划[13]以及学习驱动的方法，包括基于生物地理学的运动优化[14]和深度强化学习[15]。进一步的研究探讨了六足机器人的建模和控制[16]、具有多模态步态的膝关节设计[17]、移动机器人路径规划综述[18]、新型足迹轨迹规划[19]、六足机器人设计[20]、粗糙地形的集成运动规划[21]、地形适应性控制[22]、软代理-评论家障碍物避让[23]、灾难响应步态和轨迹[24]以及不平坦地形的故障容忍步态[25]。然而，这些方法存在明显的缺点：许多方法侧重于步态优化或单一算法解决方案，忽略了将故障条件与地形几何约束相结合，从而未能充分处理机器人故障与复杂环境之间的动态交互。
本研究提出了一个专为故障容忍型六足机器人定制的全面路径规划框架，将改进的A*算法与自适应动态窗口方法（DWA）无缝集成，以应对非结构化环境中的导航挑战。该框架通过嵌入故障风险模型并利用栅格化3D地形表示来推进全局路径规划，从而简化路径生成，同时提高对腿部故障的适应性和对复杂地形几何形状的适应性。同时，自适应DWA通过动态速度采样和轨迹评估优化局部轨迹，确保精确的目标接近、稳健的障碍物避让和提高能源效率。全局路径更新与局部轨迹细化的迭代互动促进了协同优化，使得在不利条件下实现稳健导航。通过仿真和物理实验验证，其性能优于传统方法，体现在路径效率、平滑度和计算性能方面的显著改进。本工作的关键贡献有三个方面：
- 1) 故障容忍路径规划框架的开发：本研究提出了一种创新框架，系统地解决了六足机器人在故障条件下的路径规划问题，例如腿部关节故障。通过将故障风险模型纳入改进的A*算法，该框架确保即使在移动能力受损的情况下也能生成可行且安全的路径，填补了现有文献中关于六足机器人导航故障容忍性研究不足的空白。这一贡献提高了六足机器人在高风险场景（如灾难响应和外星探索）中的操作可靠性，因为在这些场景中系统故障的可能性很高。
- 2) 对非结构化地形的更强适应性：所提出的框架显著提高了六足机器人在多样化和具有挑战性的地形（包括坡度、障碍物和沟渠）上的导航适应性。通过栅格化3D地形建模和全面的危险评估模型，系统能够有效评估和减轻与地形相关的风险，实现实时路径调整。栅格化方法在保持地形真实性的同时降低了计算复杂性，使该框架适用于资源受限的环境。这一贡献确保了在复杂环境中的稳健和稳定导航，扩大了六足机器人的应用范围。
- 3) 高效可靠的导航解决方案：全局路径规划与局部轨迹优化的协同集成为危险环境提供了高效可靠的导航解决方案。改进的A*算法通过最小化航点来优化路径生成，确保安全性，而自适应DWA则细化局部轨迹，以平衡稳定性、障碍物避让和能源效率。由故障感知约束和动态评估驱动的迭代优化过程建立了稳健的导航范式。这一贡献为六足机器人在苛刻应用中的导航提供了理论和实践基础，推动了算法设计和操作性能的进步。
相关工作
六足机器人在非结构化环境中的路径规划已被广泛研究，重点在于全局和局部方法。全局规划方法通常使用预先存在的地图来生成最优路径，但往往忽略了动态的腿部关节故障，从而降低了它们在高风险环境中的有效性。局部规划技术利用实时传感器数据进行轨迹调整，但它们经常缺乏与复杂地形导航的故障容忍性的稳健集成。
故障容忍型六足机器人极端运动能力分析
本研究利用六足机器人的结构对称性，分析了它们在左前腿（LF）和左中腿（LM）发生关节锁定故障时，在倾斜、布满障碍物的沟渠状地形上的极端运动参数。它阐明了故障类型与地形参数之间的非线性耦合关系，为自适应规划提供了边界条件。身体坐标系统被有意定义为左手坐标系，以与机器人的机械结构对齐
全局路径规划算法比较
为了比较所提出的基于危险模型的A*算法与无故障六足机器人的标准A*算法[4]和基于雅可比矩阵的故障容忍算法[27]，在MATLAB R2024a中建立了一个50 × 50的栅格地图（分辨率为0.1米），起点为（0, 0），终点为（50, 50）。地形通过颜色分类：白色（0）表示平坦区域，红色（1）表示倾斜区域（坡度5°?30°），绿色（2）表示障碍物（高度0.1–0.5米），蓝色（3）表示沟渠（宽度
结论
本研究提出了一种用于故障六足机器人在非结构化环境中的稳健路径规划框架，将改进的A*算法与自适应动态窗口方法（DWA）集成，以提高导航可靠性和故障容忍性。改进的A*算法结合了故障感知危险模型、动态启发式权重和节点优化，使得路径长度减少了1.78%，节点数量减少了7.69%，转弯角度减少了11.11%，从而最小化了运动
资助
本研究源自中国国家自然科学基金的重点项目：“具有全状态运动能力丧失的重型六足机器人的故障容忍控制和切换策略”，项目编号：52175012。
CRediT作者贡献声明
Bo You：撰写 – 审稿与编辑、监督、方法论、资金获取、概念化。Haiyu She：撰写 – 原稿撰写、验证、软件开发。Jiayu Li：撰写 – 审稿与编辑、可视化、数据分析、数据管理。Chen Chen：撰写 – 审稿与编辑、软件开发、形式分析。
Bo You于1982年获得哈尔滨工业大学的学士学位，1988年获得哈尔滨科学技术的硕士学位，1995年获得哈尔滨工业大学的博士学位。目前，他是哈尔滨工业大学的教授。他的主要研究兴趣包括智能机器人和机电控制。
