《Drones》：Unified-Evaluation-Driven RA-ALA for Three-Dimensional UAV Path Planning in Time-Varying Urban Low-Altitude Environments
编辑推荐：
城市低空无人机（UAV）航迹规划本质上是时空耦合的，因为航线可行性和代价取决于各航段到达时间。在移动障碍物、临时禁飞区（NFZ）、风相关能源消耗及建筑净空约束演化过程中，搜索阶段的替代指标可能偏向于无法通过执行级检查的路径。研究人员采用风险感知人工旅鼠算法（R
城市低空无人机（UAV）航迹规划本质上是时空耦合的，因为航线可行性和代价取决于各航段到达时间。在移动障碍物、临时禁飞区（NFZ）、风相关能源消耗及建筑净空约束演化过程中，搜索阶段的替代指标可能偏向于无法通过执行级检查的路径。研究人员采用风险感知人工旅鼠算法（RA-ALA）来解决这一搜索–执行失配问题，该算法是一个由统一到达时间递归评估器控制的三层框架。顺序时间传播将候选生成与最终评估对齐，而能量加权A*（Energy-A*）热启动引导连续航路点搜索。Top-K阶段在可行性优先选择和条件恢复之前重新评估路径变体。在10个高复杂度环境中、按照预定的算法特定预算，RA-ALA实现了最高的可评估可行性率（24/30，80.0%），比Energy-A*和时空Energy-A*（ST-EA*）高出20个百分点。经Holm校正后，这两项对比不显著，而与Informed-RRT*和Greedy的差异得到支持。在联合可行环境中，RA-ALA保持了有竞争力的综合得分。同队列描述性消融表明，移除Top-K阶段与更高的综合得分和更多的不可行输出相关。这些结果支持RA-ALA作为在所建模约束下经过仿真测试的航线生成框架，但并未确立孤立算子的优越性或实际飞行就绪性。飞行器动力学、感知、跟踪、通信和飞行验证不在本研究范围内。
**研究背景与存在问题**
城市低空无人机（UAV）航迹规划本质上是时空耦合问题，因为航线可行性和代价取决于各航段到达时间。在移动障碍物、临时禁飞区（NFZ）、风相关能源消耗和建筑净空约束演化过程中，搜索阶段的替代指标可能偏向于无法通过执行级检查的路径。图搜索、采样和元启发式方法各有优势，但现有混合流水线中，初始化、搜索、平滑、评估和恢复阶段的目标或分辨率
