月球车智能路径规划方法

《Applied Sciences》：Intelligent Path Planning Method for Lunar Rovers

　　

为了解决月球车在复杂和未知地形中自主路径规划面临的安全性、效率和适应性挑战，本研究提出了一种将深度强化学习与混合A*（Hybrid A*）相结合的路径规划方法。基于月球数字高程模型和局部地形重建生成多级障碍物地图，构建了整合地形特征与月球车状态的环境模型。引入深度确定性策略梯度框架，包括状态编码器、策略网络和双Q网络，以动态调整Hybrid A*的搜索参数并在线优化路径代价函数。在简单、中等和复杂场景下进行了仿真实验。结果表明，所提出的方法在评估的基准场景中实现了100%的路径规划成功率，综合准确率得分分别为0.931、0.907和0.886。在路径长度、平滑度和安全性方面，它优于传统的A*、快速探索随机树（RRT）和Hybrid A*算法。该方法能够支持月球车在所测试的动态光照和多障碍物条件下进行安全高效的自主探索，并为未来的深空探测任务（如嫦娥和天问）提供技术支持。

随着深空探测技术的不断进步，深空探测器已成为探索火星、月球、小行星等远离地球天体的重要工具，但常面临通信延迟、环境复杂、能源受限和计算资源有限等挑战。在缺乏实时指令支持时，探测器须依靠自主能力执行任务，其中路径规划是自主探索的核心技术。全局规划依赖完整环境信息但难以处理复杂约束；局部规划用于未知环境但缺乏全局指引。传统图搜索算法（如A*）依赖网格离散化且计算低效；基于采样的快速探索随机树（RRT）易产生曲折路径且平滑度差；混合A*（Hybrid A*）虽满足车辆运动学约束但过度依赖人工调参，难以适应动态光照和地形变化。纯强化学习方法虽具自学习优势，但存在样本效率低和训练不稳定的问题。为此，本研究提出将深度强化学习（DRL）与Hybrid A*集成的DRL-Hybrid A*路径规划方法，以实现搜索参数的动态调整和路径代价函数的在线优化。该研究不仅提升了月球车在动态多障碍物环境下的规划鲁棒性，还为嫦娥和天问等深空探测任务提供了可靠的技术支持，论文发表在《Applied Sciences》。

在技术方法上，研究人员通过程序化生成的多难度地图队列进行仿真，并使用实体测试场进行物理等效验证实验。研究构建了基于全局与局部分层融合策略的障碍物地图，利用轨道器获取的数字高程模型进行光照渲染，结合月球车双目导航相机重建的局部点云生成地形参数。算法采用深度确定性策略梯度（DDPG）框架，设计了状态编码器进行高维环境特征降维，策略网络将状态映射至连续的算法参数空间，并引入双Q网络抑制过估计。训练结合了优先经验回放和课程学习机制，利用Unity 3D虚拟平台在不同障碍物密度（少于50个、50至150个、超过150个）下进行网络迭代与性能验证。

实验结果表明：在仿真实验与分析中，研究人员在简单、中等和复杂三种难度场景下将所提方法与A*、RRT和Hybrid A*进行对比。得出DRL-Hybrid A*在所有场景中均保持100%的成功率，且在中等和复杂场景中规划时间显著短于对比算法。随着障碍物密度增加，传统算法成功率大幅下降，而所提方法通过动态调整搜索步长、启发式权重和安全系数，在维持高计算效率的同时保证了路径的最优性、平滑度和安全性。在地面实验与分析部分，通过设定5°光照高度角的物理等效实验，得出所提方法在实体地形重建和路径规划上与现有导航控制方法表现相当，成功率和安全准确率均达到100%，验证了该工作流处理真实地形感知数据的初步工程可行性。

在讨论部分，研究人员指出DRL-Hybrid A*的核心优势在于利用当前月球车状态和局部地图实时生成Hybrid A*的八维搜索参数，且双Q网络有效降低了过估计偏差，在保证运动学可行性的同时提升了适应性。尽管在多障碍物密度下表现优异，但目前的100%成功率仅在评估的基准测试条件下成立。研究存在一定局限性，包括尚未涵盖月壤交互、尘土、热真空效应，以及缺乏高度动态环境下的直接闭环重规划实验证据。未来工作需考虑传感器噪声、时变阴影边界及通信延迟等影响，进一步引入时变占用网格和不确定性传播。

研究结论部分总结道，本文提出的DRL-Hybrid A*方法创新地将深度确定性策略梯度框架嵌入Hybrid A*结构，通过状态编码器、策略网络和双Q网络实现搜索参数的动态调整，从而提高了规划效率、路径平滑度并保障了安全性。多级障碍物地图生成策略有效适应了动态光照和多障碍物环境。实验证明该方法在路径长度、平滑度、安全性和综合准确度上均优于传统算法。然而，当前验证仍以仿真为主并辅以初步物理实验，未来任务部署前，必须在星载级处理器上评估该规划器，并在包含能源约束、定位漂移等更严苛条件下的长期闭环实地实验中进行验证，以将现有算法优势转化为实际飞行应用证据。