《Frontiers in Sustainable Food Systems》：Global–local integrated path planning strategy for agricultural robots in complex hilly orchard environments
编辑推荐：
丘陵果园占中国果园面积的60%以上，其复杂地形限制了传统农业机械的有效性，导致高劳动需求和低作业效率。农业机器人提供了一种有前景的解决方案，其中路径规划是关键使能技术。然而，现有方法通常存在地形适应性有限、避障不充分、动态响应性差以及作业安全性受损的问题。为了
丘陵果园占中国果园面积的60%以上，其复杂地形限制了传统农业机械的有效性，导致高劳动需求和低作业效率。农业机器人提供了一种有前景的解决方案，其中路径规划是关键使能技术。然而，现有方法通常存在地形适应性有限、避障不充分、动态响应性差以及作业安全性受损的问题。为了解决这些挑战，研究人员提出了一种用于丘陵环境中果园机器人的双闭环全局-局部路径规划框架。首先开发了地形感知通行成本模型和包含滑移的运动学模型，以表征可通行性和运动稳定性。基于这些模型，改进了A*算法用于全局路径规划，同时改进了动态窗口法（DWA）以在满足地形稳定性约束的同时实现局部避障。双闭环控制架构整合了全局路径约束、局部环境反馈和实时重规划，实现了全局最优性与局部响应性之间的平衡。现场实验表明，与传统方法相比，所提出的策略将路径长度减少了2.1%-19.8%，滑移率减少了2.7%-8.0%，实现了100%的避障成功率，并将横向轨迹偏差保持在15.2 cm以下。这些结果验证了该方法作为丘陵果园机器人作业的安全、稳定和高效方法，突显了其在复杂农业环境中实际部署的潜力。
论文解读文章
**研究背景**
中国果园面积超过1200万公顷，其中60%以上位于红黄壤丘陵区和黄土高原区，地形复杂（坡度5°-30°，地块破碎，道路狭窄，树间距不规则），导致大型轮式农业机械部署受限，植物保护、收获、运输等关键作业仍以人工为主。劳动力成本占生产总费用的65%以上，且超过一半的果农年龄超过60岁，劳动力短缺和老龄化成为制约中国果业可持续发展的关键瓶颈。农业机器人因其自主性和适应性成为有前景的解决方案，而路径规划作为核心使能技术，直接影响导航效率、作业安全和任务性能。然而，现有方法（如A*算法、快速随机搜索树（RRT）、人工势场法（APF）、动态窗口法（DWA））在地形适应性、避障能力、动态响应性和安全性方面存在不足，无法同时保证全局最优性、局部安全性和地形适应性。生物启发和进化优化算法（如动态遗传算法-蚁群优化（DGA-ACO）、改进水母搜索算法（JS））虽有所提升，但缺乏稳定性保障；深度强化学习（DRL）需要大量训练数据且缺乏可解释性。因此，研究人员提出了一种结合地形感知、闭环重规划和多目标优化的路径规划框架，以解决丘陵果园中的特殊挑战。
**研究内容与结论**
本研究提出了一种双闭环全局-局部集成路径规划策略，涵盖环境与机器人建模、算法改进、集成架构设计、参数优化和稳定性验证，并通过现场实验验证有效性。核心结论包括：该策略在静态环境中路径长度缩短2.1%-19.8%，滑移率降低2.7%-8.0%，最大横向跟踪偏差15.2 cm，最大侧倾角5.8°，平均滑移率3.2%，避障成功率100%；在动态环境中避障成功率100%，路径长度136.2 m，平均速度0.88 m/s，横向跟踪偏差18.7 cm；在不同坡度（5°-25°）下，滑移率始终低于对比方法，25°坡度下滑移率仅5.8%；与基于近端策略优化（PPO）的深度强化学习方法和混合A*+强化学习（RL）方法相比，所提策略在路径长度、避障成功率、横向偏差、滑移率和规划时间上均具有优势。该研究发表于《Frontiers in Sustainable Food Systems》，所提方法能有效解决丘陵果园中地形适应差、滑移和侧翻风险、动态避障与路径跟踪矛盾、传统开环集成策略动态适应性差等问题，可广泛应用于植保、采摘、运输等自主导航，降低劳动强度。
**主要技术方法**
主要关键技术方法包括：1）基于网格的环境建模，构建通行成本模型（融合坡度、粗糙度、障碍物和果树安全距离）；2）离散时间滑移运动学模型，根据实验拟合滑移率与坡度、粗糙度的线性关系（实验于湖南长沙丘陵柑橘园红黄壤进行，坡度5°-25°，粗糙度0-0.15 m）；3）改进A*算法，将通行成本引入代价函数，并采用考虑高程差的启发函数；4）改进DWA算法，集成卡尔曼滤波预测动态障碍物运动、地形稳定性约束（侧倾角≤15°，俯仰角≤30°）和全局路径跟踪成本；5）双闭环集成架构，包括主循环层和重规划触发层（环境偏差>3 m或高程偏差>0.3 m，或横向偏差>1 m持续2 s触发重规划）；6）粒子群优化（PSO）算法优化DWA权重参数；7）李雅普诺夫稳定性分析验证跟踪控制稳定性。
**研究结果**
3.1 Comparative analysis of path performance of different planning strategies（路径性能比较分析）
3.1.1 Experimental platform and environment（实验平台与环境）：在湖南长沙丘陵柑橘园搭建实验平台，采用履带式农业机器人，配备16线LiDAR、RTK-GNSS（实时动态全球导航卫星系统）、IMU（惯性测量单元）和双轴倾角传感器，坡度5°-25°，行距3 m，株距2 m，设置静态障碍物（沟渠、土坡）和动态障碍物（模拟果农行走）。
3.1.2 Setting of control groups and evaluation indicators（对照组与评价指标设置）：设置3组对照（传统A*、传统DWA、传统A*+DWA开环集成），以8项指标（总路径长度、规划时间、平均速度、最大横向跟踪偏差、最大侧倾角、平均滑移率、避障成功率、作业能耗）评价性能，每组重复10次取均值。
3.2 Comparative analysis of path performance of different planning strategies（路径性能比较分析）
3.2.1 Experimental results and analysis in a static environment（静态环境实验结果与分析）：通过静态环境实验，对比各组策略，得出所提策略总路径长度最短（125.6 m），较对照组缩短2.1%-19.8%；规划时间242 ms，较传统A*+DWA降低37.1%；平均速度0.95 m/s，提升21.8%-69.6%；最大侧倾角5.8°，平均滑移率3.2%，最大横向跟踪偏差15.2 cm，验证了全局最优性和地形适应性。
3.2.2 Experimental results and analysis in a dynamic environment（动态环境实验结果与分析）：通过设置5个动态障碍物的实验，所提策略避障成功率100%，较对照组提升5-35个百分点；总路径长度136.2 m，平均速度0.88 m/s，最大横向跟踪偏差18.7 cm，验证了动态障碍物预测和双闭环重规划的有效性。
3.2.3 Terrain adaptability experiment with different slopes（不同坡度地形适应性实验）：在5°、10°、15°、20°、25°直线路段上，所提策略滑移率始终最低，25°坡度下仅5.8%，较传统A*+DWA降低54.0%，验证了强地形适应性。
3.2.4 Comprehensive analysis of experimental results（实验结果综合分析）：综合分析表明，所提策略解决了传统算法地形适应性差、动态避障与路径跟踪矛盾、开环集成缺陷等问题，所有设计围绕果农实际需求，提高作业效率并降低风险。
3.3 Quantitative comparison with RL-based and hybrid planning methods（与基于强化学习和混合规划方法的定量比较）：额外实现基于PPO的深度强化学习局部规划器和混合A*+RL方法，对比表明，所提策略路径长度125.6 m（较DRL缩短18.0%，较混合方法缩短10.3%），避障成功率100%，最大横向偏差15.2 cm（较DRL降低88%），平均滑移率3.2%（较DRL降低57.3%），规划时间242 ms（较DRL降低47.1%，较混合方法降低69.4%），优势明显。
**讨论与结论**
讨论部分总结指出，所提策略通过地形感知成本模型和滑移运动学模型，克服了传统算法在丘陵地形中的滑移和侧翻风险；通过动态障碍物预测和全局路径跟踪约束，解决了动态避障后的路径偏离问题；通过双闭环架构和重规划触发机制，实现了全局与局部规划的动态适应。所有设计均以果农实际作业需求为中心，有效降低操作难度和风险。
研究结论部分翻译如下：总之，为解决丘陵果园环境中农业机器人路径规划的关键挑战，本研究提出了一种双闭环全局-局部集成路径规划策略。该方法涵盖环境与机器人建模、算法改进、集成架构设计、参数优化和稳定性验证，并通过现场实验验证有效性。所构建的基于网格的通行成本模型（包含坡度、地形粗糙度和安全距离）以及考虑滑移的离散时间运动学模型，准确反映了实际田间条件，为算法设计提供了坚实基础。改进的A*算法集成地形通行成本，生成全局最优可通行路径；改进的DWA算法集成动态障碍物预测、地形稳定性约束和全局路径跟踪，平衡了避障与行驶稳定性。双闭环架构通过全局路径约束和局部状态反馈的
