摘要
本研究探讨了在复杂3D环境中多无人机任务的离线轨迹规划策略，旨在统一评估条件下系统地比较经典方法、混合方法和基于强化学习的方法。研究考虑了两种仿真场景：一种是具有高度诱导约束的不平坦地形环境，另一种是充满平面障碍物的环境。评估的规划算法包括基于图的（A*）、基于采样的（RRT、RRT*）、基于梯度的（APF）、混合APF B-RRT*方法，以及具有空间注意力和奖励机制的基于DQN的强化学习规划算法。性能评估采用了几何、安全、能量和计算指标。结果表明，在高分辨率环境中，A*算法始终能够生成最短且最稳定的轨迹，但计算成本较高；基于采样的规划算法具有较高的变异性和规划时间；APF算法在计算效率上表现优异，但可能违反安全裕度；混合规划算法在各种场景下都具有更好的鲁棒性；强化学习规划算法在两种环境中均能保持一致的安全性，并实现无人机之间的有效分离，但轨迹较长且能耗较高。总体而言，该研究强调了不同规划范式在确定性、可扩展性、安全性和适应性之间的权衡。
