引用本文
周熙栋, 钟杭, 陈铭源, 张辉, 王耀南. 基于生物启发的飞滚多模态球形机器人路径规划方法. 自动化学报, 2026, 52(5): 932−941 doi: 10.16383/j.aas.c250502
Zhou Xi-Dong, Zhong Hang, Chen Ming-Yuan, Zhang Hui, Wang Yao-Nan. Bio-inspired path planning method for multimodal flying-rolling spherical robots. Acta Automatica Sinica, 2026, 52(5): 932−941 doi: 10.16383/j.aas.c250502
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c250502
关键词
飞滚机器人，分层栅格地图，多模态路径规划，跳点搜索，A* 搜索
摘要
飞滚多模态球形机器人(飞滚机器人, FRR)兼具空中飞行与地面滚动的多模态移动能力, 在搜索救援和巡检侦察等任务中展现出巨大潜力, 然而其在室内环境下的自主导航仍面临环境建模复杂和路径规划效率不足的挑战. 自然界生物普遍通过环境简化与能效权衡以实现高效的空间位移, 因此本文受到生物启发, 提出一种基于分层栅格地图的飞滚多模态路径规划方法. 首先, 构建由建筑结构层与障碍物层组成的分层栅格地图, 以实现对室内环境关键要素的高效表征. 其次, 设计改进的Jump A* 算法, 在建筑结构层采用跳点搜索规划地面滚动路径, 在障碍物层采用A* 搜索规划空中飞行路径, 并在代价函数中引入能量损耗项, 通过可调权重实现移动距离与能量消耗的平衡. 实验结果表明, 该方法能够有效构建室内环境的分层栅格地图, 并可在该地图上根据不同的距离和能耗目标进行多模态路径规划, 为FRR在复杂室内场景下的自主导航提供了可行方案.
文章导读
在自然界中, 部分昆虫能够在空中飞行与地面爬行之间切换, 例如蟋蟀能够在地面行走以穿越障碍, 同时也能利用飞行跨越较大障碍物, 从而实现灵活移动. 受到这些生物运动方式的启发, 本文开发飞滚多模态球形机器人FRR (flying-rolling robot), 它同时具备空中飞行和地面滚动的多模态移动能力. 这种跨域仿生的运动能力赋予FRR比传统单模态机器人更强的环境适应能力, 使其在搜索救援、巡检侦察等复杂任务中展现出巨大潜力[1]. 在废墟搜救或管线空间中, 环境结构往往高度不规则, 存在局部坍塌或不可通行区域, FRR能够在可滚动的区域高效推进, 并在遇到断面或障碍时灵活切换为飞行模式; 在室内巡检任务中, FRR可以在密集障碍与狭窄通道中长时、稳定移动, 同时保持能量消耗可控; 在楼宇侦察场景中, FRR能够实现跨房间、跨楼层的快速机动. 这些任务需求体现了飞滚多模态运动方式带来的环境适应性和任务性能优势, 也进一步证明了FRR的应用价值.
然而, 在室内环境中, FRR的自主导航仍面临诸多挑战: 空间复杂、障碍物密集且布局多样. 如何有效表达环境、快速生成安全可行的路径以及在路径规划时考虑能量消耗, 都是亟须解决的问题. 值得注意的是, 自然界生物在长期进化中形成一套高效的环境感知与运动决策机制, 其核心特征在于通过简化环境表示来辅助路径规划, 从而在短时间内选择一条运动代价最小的路径实现空间位移.
在生物进行空间位移时首先需要对周围环境进行感知, 与精细化的完整环境建模不同, 生物更倾向于依据运动需求对环境进行简化处理, 以降低运动决策的复杂度. 在室内场景中, 这种处理方式可理解为生物会根据可通行性将环境要素划分为两类: 一类是不可逾越的屏障, 如墙体、柱子或大型固定设施, 这些结构直接被视为绝对不可通过区域; 另一类是可跨越的障碍, 如低矮台阶、桌椅或散落物体, 它们虽然可能影响运动, 但在必要时可以翻越或绕行. 同时, 那些不直接影响运动的要素(如悬挂于高处的管道或其他障碍物)则被忽略, 以减少不必要的决策负担. 在此环境分类的基础上, 生物在路径选择时会在体能消耗最小与运动路径最短之间进行权衡: 若跨越某一障碍需要付出过高的能量代价, 即便直线路径更短, 也更倾向于选择绕行以降低整体位移成本. 这种基于环境简化与能效权衡的感知与决策方式, 为本文环境建模方法的设计和多模态路径规划的研究提供了重要参考.
为解决FRR在室内场景中自主导航所面临的环境感知与运动决策难题, 本文首先提出一种分层栅格地图构建方法, 并在此地图上设计改进Jump A* (JA*)路径规划算法. 其中分层栅格地图与传统2.5维地图仅使用单一高度层表示不同, 该地图由建筑结构层和障碍物层组成, 通过将长期稳定的建筑结构视为无法跨越的障碍, 使规划算法能够无需遍历高度层判断可通行性, 从而显著提升搜索效率; 同时将半静态障碍物构建为障碍物层, 用于支持FRR在飞行与滚动模式之间的路径选择. 改进JA* 算法在分层栅格地图上可实现分区域的快速多模态路径规划, 通过在代价函数中引入能量损耗代价, 并设置不同的权重系数实现FRR自主导航过程中移动距离与能量消耗的平衡.
本研究的贡献如下:
1)设计一种兼具飞行与滚动能力的空地机器人结构, 其采用三轴正交万向节与球形外壳构型, 整体由内环、中环及外壳组成, 各部分均可绕其固定轴独立旋转. 通过三转轴的连续协调运动, 机器人能够在欧拉角意义下实现任意姿态调整, 保证了FRR地面滚动的灵活性与稳定性.
2)提出面向FRR室内自主导航的分层栅格地图构建方法, 该方法受到生物在空间位移过程中对运动相关信息进行选择性保留的启发, 利用攀登算法高效区分室内建筑结构与障碍物信息. 与传统建模方式相比, 本方法在准确表达关键环境要素的同时, 为FRR在复杂室内环境下的多模态路径规划提供了高效且简洁的环境模型.
3)设计基于改进JA* 算法的快速多模态路径规划方法, 在建筑结构层中, 采用JPS进行地面滚动路径规划; 在障碍物层中, 采用A* 搜索进行空中飞行路径规划, 从而减少不必要的节点计算, 有效提升路径搜索效率. 同时, 在代价函数中引入能量损耗项, 并设置路径与能量的权重系数, 实现最短距离与最低能耗之间的平衡.
图1 FRR结构设计
图2 方法概述
图3 攀登算法示意图
本文针对FRR在室内环境中的自主导航问题, 提出一种受生物启发的环境建模与路径规划方法. 首先, 本文提出一种分层栅格地图构建方法, 可高效地区分建筑结构与障碍物信息, 从而实现了对室内环境的简洁表征. 其次, 在分层栅格地图的基础上, 提出适用于FRR多模态路径规划的改进JA* 算法, 并在代价函数中引入能量损耗项, 通过权重参数平衡移动距离与能量消耗. 最后, 通过仿真与真实场景实验验证了所提方法的有效性. 实验结果表明, 本文所提方法可以有效地构建室内场景的分层栅格地图, 并在该地图上实现多模态路径规划, 同时通过仿真实验验证了改进JA* 算法的性能以及权重参数对路径规划结果的影响. 综上所述, 本文提出的环境建模与路径规划方法为FRR在室内环境下的自主导航提供了基础, 未来工作将进一步探索FRR 的局部路径规划方法, 从而实现FRR的自主导航功能.
作者简介
周熙栋
湖南大学人工智能与机器人学院博士研究生. 主要研究方向为机器人控制与路径规划. E-mail: xidong_zhou@hnu.edu.cn
钟杭
湖南大学人工智能与机器人学院副教授. 主要研究方向为机器人控制, 视觉伺服和路径规划. 本文通信作者. E-mail: zhonghang@hnu.edu.cn
陈铭源
湖南大学人工智能与机器人学院硕士研究生. 主要研究方向为机器人控制与路径规划. E-mail: chenmingyuan@hnu.edu.cn
张辉
湖南大学人工智能与机器人学院教授. 主要研究方向为机器视觉, 图像处理和机器人控制. E-mail: zhanghuihby@126.com
王耀南
中国工程院院士, 湖南大学人工智能与机器人学院教授. 主要研究方向为机器人学, 智能控制和图像处理. E-mail: yaonan@hnu.edu.cn
转载本文请联系原作者获取授权，同时请注明本文来自Ouariel科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3291369-1546329.html?mobile=1
收藏
