一种基于安全约束的机器人路径规划在线概率评估方法

《Robotics and Autonomous Systems》：A Safety-Constrained Online Probabilistic Evaluation method for robot path planning

　　•一种用于实时全局路径规划的轻量级概率方法。•计算和训练成本较低，适合在设备上部署。•为网格级路径规划提供几何方向约束。•基于明确规则的安全约束，与学习过程分离。•针对资源受限平台设计的高效训练策略，可实现快速收敛。引言路径规划是机器人导航系统的核心组成部分，直接影响导航安全性、运动效率以及能量消耗[1]。在仓库、医院、办公建筑等典型室内应用场景以及服务机器人任务中，移动机器人通常需要在布局已知且长期稳定的环境中反复执行导航任务。对于这类任务，传统的路径规划算法已被广泛研究并成功应用于实际系统，包括基于搜索的方法如A*算法[2]和Dijkstra算法[3]、基于采样的方法如快速随机树系列算法[4][5]、人工势场法[6]以及基于群体智能的方法[7]。这些方法在许多场景下依然具有可靠性和实用性。然而，在已知的室内环境中长期运行时，两个问题尤为突出。一方面，基于图搜索的规划器通常需要为每个起点-终点查询进行新的搜索，当同一环境中执行大量规划任务时，这可能会带来重复的在线搜索开销[8][9][10]。另一方面，许多以最短路径为导向的规划器倾向于生成靠近障碍物边界的路径[11][12][13]，这会降低受感知噪声、定位误差和轨迹跟踪误差影响的实体机器人的执行稳定性。上述问题并非特定算法的孤立缺陷，而是反映了传统的逐次查询规划模式与长期重复导航需求之间的不匹配。在已知的室内环境中，机器人面临的并非仅一个路径查询，而是需要在相同或相似的地图上持续执行多个规划任务。因此，除生成可行路径外，规划器还应能够复用与环境相关的规划经验，减少不同起点-终点查询之间的冗余搜索，并在有限的设备计算资源下保持足够的障碍物避让距离，从而提升现实世界中机器人导航的可靠性。基于学习的路径规划方法通过将历史搜索经验、专家决策或隐含的成本结构压缩为可复用模型，为解决这一需求提供了可能[14]。现有的基于学习的规划器在提升规划效率和环境适应性方面展现出潜力。然而，其中许多方法依赖于深度强化学习、卷积网络、循环网络或迭代价值优化，这往往会导致较高的训练成本、较大的模型规模，以及在资源受限平台上的部署难度。此外，纯粹基于学习的策略通常缺乏明确的安全约束，使得在部署过程中难以稳定保持所需的障碍物避让距离。因此，如何在轻量级模型设计、快速训练、在线规划效率以及明确的安全约束之间取得平衡，仍是已知室内环境中长期导航面临的关键问题。为解决这一问题，本文提出了一种适用于已知室内环境的轻量级神经网络全局路径规划框架，名为“带安全约束的在线概率评估”（SCOPE）。SCOPE并非旨在在所有场景中取代传统规划器；对于新遇到的地图或单个规划查询，如A*这类传统规划器依然可靠，可作为备用规划器。SCOPE的核心思想是将可复用的规划经验压缩为紧凑的神经网络模型，并在机器人自身的计算平台上运行。在部署过程中，SCOPE结合快速的概率评估与明确的安全过滤机制，从而提供类似环境记忆的轻量级规划能力。该设计在保持设备部署效率与路径安全性的同时，减少了重复的在线搜索开销。本文的主要贡献如下：(1) 提出了一种适用于已知室内环境的轻量级神经网络全局路径规划框架SCOPE。它将可复用的、具备障碍物感知能力的搜索经验压缩为紧凑模型，支持低内存占用、快速在线推理的高效重复路径规划。(2) 设计了一种带安全约束的在线概率评估机制。神经网络负责提供方向概率预测，而明确的安全过滤规则则根据障碍物避让距离、边界有效性及方向可行性进一步筛选候选路径点。(3) 引入了具备障碍物感知能力的状态表示与成本设计，该设计同时考虑最近障碍物风险与局部障碍物密度的影响，使规划器能够生成具有更高安全避让距离的路径。(4) 提出了一种分辨率缩放训练策略，用以加速数据生成与模型训练。该策略通过在压缩后的网格表示上进行训练，并弥补地图压缩带来的定位误差，从而在保持规划性能的同时降低训练成本。现有的基于学习的路径规划方法大致可分为两类。一类是将机器学习与传统规划方法相结合，以提高规划效率并优化性能[15][16]。例如，为了解决RRT*算法收敛速度较慢的问题，Wang等人将卷积神经网络与RRT算法结合，用于预测路径分布并实现有偏采样，从而加快了二维静态环境中的规划速度[17]。这种方法后来被扩展到三维场景，在复杂的高维空间中也表现出较强的泛化能力[18][19][20]。在另一个相关方向上，Zhang[21]使用深度神经网络来学习状态与RRT*采样策略之间的非线性映射关系，并将训练好的模型用于指导RRT算法的采样过程。与Jiankun Wang的方法相比，该方法避免了卷积运算，从而提升了算法的计算速度。Li等人[22]提出了近乎最优的RRT算法，该算法通过神经网络离线学习成本函数，从而在保持概率完备性的同时实现渐近最优性与计算效率的提升。Han等人[23]则将粒子群优化的全局搜索能力与深度Q网络相结合，用于连续动作空间中的路径规划，但其权重和超参数需依赖实验调优，缺乏理论指导。为提升A*算法的规划效率，Gan等人[24]提出了动态参数A*算法，该算法利用Q学习算法中的Q表记录环境状态的奖励值，并将其整合到A*算法中，以动态调整启发式函数。虽然实现了路径优化，但当环境中的障碍物状态发生可逆变化，比如道路暂时封闭后又重新开放时，由于Q表中存储的历史负奖励未被纠正，算法仍会继续避开该路径，从而导致次优路径的持续存在。另一种方法是端到端的规划方法，这类方法完全依靠机器学习来进行路径规划。例如，Chu等人[25]提出了一种改进的双深度Q网络（DDQN）算法，用于在未知环境且存在海洋电流干扰的情况下，为自主水下航行器解决实时路径规划问题。该方法利用双输入层卷积神经网络处理高维环境状态，并设计复合奖励函数来有效抵消横向海洋电流的阻力。尽管DDQN提升了在未知环境中的规划鲁棒性，但其工程应用性有限，它未能充分利用已知的环境信息，且其海洋电流建模忽略了时间变化和湍流效应。Wang等人[26]提出了一种全局引导强化学习方法，用于机器人在动态环境中的障碍物规避。在该框架中，3D CNN用于提取局部视野和全局路径的空间特征，再结合历史时间序列信息，通过长短期记忆网络（LSTM）预测机器人移动方向的Q值，从而实现机器人的动态障碍物规避。虽然该方法通过引导节点积累奖励解决了奖励稀疏问题，并已在分布式多机器人系统中经过测试验证，但它仍存在一些问题，如对静态环境的强依赖、感知范围有限以及较高的计算开销。Morocho等人[27]开发并开源了“双深度强化学习增强遗传算法”。该算法利用遗传算法优化经验回放与混合决策机制，以降低训练成本并提升路径质量。不过，其超参数需要手动调整，限制了其适应性。Bai[28]则利用强化学习优化全连接神经网络的参数，仅依靠网络的前向推理来生成路径。但由于缺乏对历史状态的理解能力，该模型在狭窄或动态复杂的环境中容易出现决策波动。尽管机器学习已在路径规划领域得到广泛应用[29][30]，但它仍存在一些缺点，如训练成本高、缺乏在线适应性、路径安全性不足以及规划正确性不可靠。SCOPE的问题设定与概述整体SCOPE框架如图1所示。它由四个主要模块组成：局部观测、基于softmax的动作预测、带安全约束的动作规则以及路径点优化。局部观测模块用于构建每个候选路径点的状态表示。基于softmax的动作预测器则用于评估四个网格级运动方向的概率。带安全约束的动作规则则根据障碍物情况过滤掉不安全或无效的候选动作。SCOPE的分辨率缩放训练方法为提高数据收集效率并加速模型训练，我们引入了分辨率缩放训练（RST）策略。与直接在原始高分辨率地图上生成训练数据不同，RST首先对原始地图进行降采样，构建低分辨率表示，然后在此简化空间中使用经过改进的、带有压缩误差补偿的A*算法进行数据收集。这一过程提高了数据生成效率与标注精度。SCOPE的路径规划验证为验证SCOPE算法在真实环境中的可行性与有效性，我们将其部署在真实的移动机器人上进行了实地测试。图5展示了该移动实验平台，它主要由惯性测量单元（IMU）、Mecanum轮子、激光雷达传感器以及一台配备英特尔Core i9-13900HX处理器和16GB内存的嵌入式计算机构成。我们使用NVIDIA RTX 4060笔记本级GPU来训练神经网络。该移动平台的尺寸为600× 结论本文提出了一种简单高效的混合网络方法——SCOPE，用于机器人路径规划。该方法架构简洁、计算成本低，即便在资源受限的设备上也能实现快速且安全的全球路径规划。它通过保持安全距离来确保路径安全。未来的研究将进一步探讨SCOPE方法在动态环境中的适用性，并探索将其与其他深度学习技术结合，以进一步提升性能。CRediT作者贡献说明蔡忠侯：撰写——初稿、验证。杨家强：撰写——审阅与编辑、监督。王伟昂：数据整理。金云豪：数据整理。利益冲突声明作者声明不存在任何可能影响本文工作的已知财务利益或个人关系。蔡忠侯于2022年获得机械工程专业硕士学位，2016年获得机械设计、制造及自动化专业学士学位。他目前在中国杭州的浙江大学攻读电气工程博士学位。他的研究兴趣包括机器人路径规划、机器人路径跟踪与导航。蔡忠侯|杨家强|王伟昂|金云豪