水面無人艇路徑規(guī)劃研究現(xiàn)狀

陳羽 褚天仁

摘? 要：進(jìn)入人工智能化時(shí)代，水面無人艇成為研究熱點(diǎn)，路徑規(guī)劃算法是實(shí)現(xiàn)水面無人艇智能化的重要部分。該文針對(duì)水面無人艇對(duì)環(huán)境信息的獲取程度，分別從全局路徑規(guī)劃以及動(dòng)態(tài)局部路徑規(guī)劃綜述當(dāng)前路徑規(guī)劃方面的最新研究成果，總結(jié)學(xué)術(shù)界對(duì)規(guī)劃路徑算法的切入點(diǎn)。最后討論目前無人艇在路徑規(guī)劃上的挑戰(zhàn)以及對(duì)未來無人艇實(shí)現(xiàn)智能化的展望。

關(guān)鍵詞：無人艇；路徑規(guī)劃；局部路徑規(guī)劃；自主航行；人工智能

中圖分類號(hào)：U664.82? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2095-2945（2024）06-0084-04

Abstract： In the era of artificial intelligence， the surface unmanned vehicle has become a research hotspot， and the path planning algorithm is an important part of realizing the intelligence of the surface unmanned vehicle. Aiming at the degree of acquisition of environmental information by surface unmanned craft， this paper summarizes the latest research results of current path planning from global path planning and dynamic local path planning， and summarizes the entry point of path planning algorithm in academic circles. Finally， the challenges of path planning of unmanned vehicles at present and the prospect of intelligent unmanned vehicles in the future are discussed.

Keywords： unmanned craft; path planning; local path planning; autonomous navigation; artificial intelligence

無人艇（Unmanned Surface Vehicle，簡稱USV）是一種無人駕駛的水面船舶，通過采用無線通信、傳感器和自主導(dǎo)航技術(shù)實(shí)現(xiàn)航行和任務(wù)執(zhí)行。無人艇通常被用于海洋科學(xué)研究、海洋資源勘測(cè)、海底地形測(cè)繪、環(huán)境監(jiān)測(cè)、軍事偵察和救援等領(lǐng)域。無人艇可以根據(jù)預(yù)設(shè)的任務(wù)規(guī)劃自主航行路徑，使用雷達(dá)、聲納、相機(jī)等傳感器收集環(huán)境信息，并將這些數(shù)據(jù)通過無線通信傳輸回地面或其他控制站。無人艇具有較強(qiáng)的適應(yīng)性和靈活性，能夠在惡劣的海洋環(huán)境中執(zhí)行任務(wù)，如海況惡劣、危險(xiǎn)區(qū)域或遠(yuǎn)離陸地。無人艇技術(shù)的發(fā)展為海洋領(lǐng)域帶來了更高效、更安全的數(shù)據(jù)采集和任務(wù)執(zhí)行方式。通過減少人員風(fēng)險(xiǎn)、提高工作效率和降低成本，無人艇在未來將扮演越來越重要的角色[1]。

路徑規(guī)劃是無人艇實(shí)現(xiàn)自主導(dǎo)航的關(guān)鍵環(huán)節(jié)之一，其確定了無人艇的航行路徑，使其能夠安全、高效地到達(dá)目標(biāo)地點(diǎn)執(zhí)行任務(wù)。在過去的幾年里，無人艇路徑規(guī)劃研究取得了顯著進(jìn)展，本文將對(duì)相關(guān)研究進(jìn)行綜述。

1? 全局路徑規(guī)劃算法

1.1? 傳統(tǒng)方法

基于圖論的算法：這類算法通過將環(huán)境建模為圖形結(jié)構(gòu)，采用圖論中的算法進(jìn)行路徑規(guī)劃。其中最常用的算法是Dijkstra算法和A算法。Dijkstra算法用于尋找最短路徑，適用于靜態(tài)環(huán)境。A算法結(jié)合了啟發(fā)式信息，能夠在較快時(shí)間內(nèi)找到較優(yōu)路徑[2]。

基于啟發(fā)式搜索的算法：通過設(shè)定啟發(fā)式函數(shù)來評(píng)估路徑的質(zhì)量搜索最優(yōu)路徑。其中包括遺傳算法、模擬退火算法等。遺傳算法基于生物進(jìn)化思想，通過基因編碼和交叉變異的操作來搜索最優(yōu)解。模擬退火算法則模擬金屬退火過程，通過隨機(jī)搜索來找到全局最優(yōu)解[3]。

基于規(guī)則的方法：根據(jù)預(yù)先設(shè)定的規(guī)則和約束來進(jìn)行路徑規(guī)劃。例如可以設(shè)定規(guī)定無人艇在遇到障礙物時(shí)繞行或避讓。這種方法適用于簡單的環(huán)境和任務(wù)要求，但對(duì)于復(fù)雜和動(dòng)態(tài)環(huán)境的適應(yīng)性較差[4]。

傳統(tǒng)路徑規(guī)劃方法通常需要依賴事先建立的環(huán)境地圖和目標(biāo)位置信息。對(duì)于復(fù)雜和動(dòng)態(tài)環(huán)境，這些方法的適應(yīng)性和魯棒性可能較差。近年來，隨著深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等技術(shù)的發(fā)展，越來越多的研究開始采用基于學(xué)習(xí)的方法來進(jìn)行無人艇路徑規(guī)劃。這些方法通過模型訓(xùn)練和自主學(xué)習(xí)，使無人艇能夠在未知環(huán)境中實(shí)現(xiàn)自主導(dǎo)航和路徑規(guī)劃。

1.2? 智能路徑規(guī)劃算法

智能路徑規(guī)劃算法主要是指基于人工智能和機(jī)器學(xué)習(xí)技術(shù)的路徑規(guī)劃方法。下面列舉了幾種常見的智能全局路徑規(guī)劃算法。

1.2.1? 遺傳算法

遺傳算法（Genetic Algorithm）是一種模擬生物進(jìn)化過程的優(yōu)化算法。在路徑規(guī)劃中，可以通過基因編碼和遺傳操作（如交叉、變異）來搜索最優(yōu)路徑。遺傳算法適用于多目標(biāo)優(yōu)化問題和復(fù)雜的搜索空間，具有全局搜索能力[5]。遺傳算法流程如圖1所示。

楊琛等[6]提出基于遺傳算法優(yōu)化PID控制器的方法來解決無人艇路徑跟蹤在環(huán)境未知擾動(dòng)以及模型參數(shù)難以確定的問題；胡紅波等[7]提出免疫遺傳算法有效提高無人艇任務(wù)分配方法的尋優(yōu)速度以及分配效果；劉源等[8]設(shè)計(jì)了基于雙懲罰函數(shù)的遺傳算法，有效解決無人艇在風(fēng)浪留等外界復(fù)雜環(huán)境干擾波動(dòng)下遇到的問題。

1.2.2? 粒子群優(yōu)化算法

粒子群優(yōu)化算法（Particle Swarm Optimization）是一種基于群體智能的優(yōu)化算法。在路徑規(guī)劃中，可以將路徑視為粒子的位置，在搜索空間中進(jìn)行迭代優(yōu)化，以找到最優(yōu)路徑。粒子群優(yōu)化算法具有快速收斂和全局搜索的能力[9]。

劉文霞等[10]提出量子粒子群優(yōu)化算法，通過引入動(dòng)態(tài)控制參數(shù)減少了路徑長度，提高了路徑平滑度和安全性；林法君等[11]提出動(dòng)態(tài)權(quán)重的粒子群算法，建立柵格化的障礙區(qū)海域模型，提高尋址的速度和安全性。

需要注意的是，智能路徑規(guī)劃算法的選擇應(yīng)根據(jù)具體情況和任務(wù)需求。不同的算法適用于不同的問題和環(huán)境。此外，還可以通過組合多種算法或結(jié)合傳統(tǒng)規(guī)劃方法來提高路徑規(guī)劃的效果和魯棒性。

1.2.3? 蟻群算法

蟻群算法（Ant Colony Optimization）是受到螞蟻覓食行為啟發(fā)的一種啟發(fā)式優(yōu)化算法。在路徑規(guī)劃中，可以將無人艇視為螞蟻，通過模擬螞蟻釋放信息素和選擇路徑的行為來搜索最優(yōu)路徑。蟻群算法適用于解決動(dòng)態(tài)環(huán)境下的路徑規(guī)劃問題[12]。蟻群算法流程如圖2所示。

沈智鵬等[13]結(jié)合無人帆船在特定環(huán)境下的運(yùn)動(dòng)狀態(tài)提出改進(jìn)自適應(yīng)蟻群算法，優(yōu)化啟發(fā)函數(shù)，加快了算法收斂速度；孫功武等[14]解決死鎖情況發(fā)生并改進(jìn)啟發(fā)函數(shù)提高算法的收斂速度和精度。

2? 局部路徑規(guī)劃

無人艇局部路徑規(guī)劃算法主要是針對(duì)在復(fù)雜和動(dòng)態(tài)環(huán)境中進(jìn)行實(shí)時(shí)避障和調(diào)整的問題。下面列舉了幾種常見的無人艇局部路徑規(guī)劃算法。

2.1? 動(dòng)態(tài)窗口法

動(dòng)態(tài)窗口法（Dynamic Window Approach）通過在速度和轉(zhuǎn)向空間中定義一個(gè)窗口，根據(jù)無人艇的運(yùn)動(dòng)約束和感知信息，動(dòng)態(tài)地選擇合適的速度和轉(zhuǎn)向，以避免障礙物并達(dá)到目標(biāo)點(diǎn)。該方法適用于快速計(jì)算和實(shí)時(shí)更新路徑規(guī)劃的情況。

高宇等[15]結(jié)合無人艇運(yùn)動(dòng)學(xué)參數(shù)考慮了避碰規(guī)則以及障礙物因子，提高了算法的避障能力；譚智坤等[16]將動(dòng)態(tài)窗口法和速度障礙法相融合，提高了無人艇的動(dòng)態(tài)避障調(diào)節(jié)能力。

2.2? 人工勢(shì)場法

人工勢(shì)場法（Artificial Potential Field Approach）將無人艇視為一個(gè)粒子，給每個(gè)目標(biāo)點(diǎn)和障礙物分配一個(gè)勢(shì)場，無人艇通過計(jì)算力的合成來規(guī)劃路徑。該方法能夠適應(yīng)復(fù)雜的環(huán)境和避免障礙物，但容易出現(xiàn)局部最小值和振蕩的問題。

李家林等[17]引入閾值解決與障礙物的碰撞問題，并結(jié)合模糊遠(yuǎn)近界點(diǎn)的概念解決目標(biāo)不可到達(dá)問題；張豐等[18]通過修改斥力函數(shù)以及施加船向角和增加隨機(jī)擾動(dòng)的方法，有效解決路徑振蕩和無法到達(dá)目標(biāo)點(diǎn)的問題。

2.3? 模型預(yù)測(cè)控制法

模型預(yù)測(cè)控制方法（Model Predictive Control）通過建立動(dòng)力學(xué)模型和環(huán)境模型，利用模型進(jìn)行預(yù)測(cè)，然后根據(jù)最優(yōu)控制策略規(guī)劃路徑[19]。該方法可以考慮動(dòng)態(tài)約束和目標(biāo)需求，適用于復(fù)雜環(huán)境和高精度控制。

2.4? 強(qiáng)化學(xué)習(xí)法

強(qiáng)化學(xué)習(xí)法（Reinforcement Learning）也可以用于局部路徑規(guī)劃。通過與環(huán)境交互，智能體可以學(xué)習(xí)在局部環(huán)境中選擇動(dòng)作以達(dá)到目標(biāo)。這種方法可以自動(dòng)學(xué)習(xí)和優(yōu)化路徑規(guī)劃策略，適用于動(dòng)態(tài)和未知環(huán)境[20]。

夏家偉等[21]基于多智能體深度強(qiáng)化學(xué)習(xí)的分布式控制方法，采用集中式訓(xùn)練和分布式執(zhí)行的多智能體近端策略優(yōu)化（MAPPO）強(qiáng)化學(xué)習(xí)架構(gòu)使得無人艇在不同期望隊(duì)形、不同集群數(shù)量和部分智能體失效等場景中能夠成功完成快速集結(jié)；蘇震等[22]設(shè)計(jì)了協(xié)同圍捕環(huán)境下深度強(qiáng)化學(xué)習(xí)算法的狀態(tài)信息、動(dòng)作信息、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和獎(jiǎng)勵(lì)函數(shù)實(shí)現(xiàn)了無人艇協(xié)同圍捕工作，完成無人艇集群博弈對(duì)抗。

需要根據(jù)具體的任務(wù)需求和環(huán)境特點(diǎn)選擇合適的局部路徑規(guī)劃算法。通常情況下，局部路徑規(guī)劃算法會(huì)與全局路徑規(guī)劃算法結(jié)合使用，全局路徑規(guī)劃負(fù)責(zé)確定目標(biāo)點(diǎn)和大致路徑，而局部路徑規(guī)劃則負(fù)責(zé)實(shí)時(shí)調(diào)整和避障。結(jié)合多種算法和技術(shù)可以提高無人艇的路徑規(guī)劃效果和安全性。

3? 挑戰(zhàn)與未來發(fā)展

3.1? 無人艇路徑規(guī)劃挑戰(zhàn)

由于無人艇作業(yè)環(huán)境的復(fù)雜性和突發(fā)性較高，對(duì)無人艇進(jìn)行安全路徑規(guī)劃的挑戰(zhàn)也是艱辛的。在進(jìn)行路徑規(guī)劃時(shí)，需要從多方面考慮，進(jìn)而保障無人艇能夠安全到達(dá)目的地，避免造成經(jīng)濟(jì)損失。

1）環(huán)境：路徑規(guī)劃需要考慮水域的地形、障礙物、海流和風(fēng)力等環(huán)境因素。傳感器數(shù)據(jù)的準(zhǔn)確性和實(shí)時(shí)性對(duì)路徑規(guī)劃的影響也不可忽視。

2）任務(wù)需求：不同的任務(wù)需求對(duì)路徑規(guī)劃有不同的要求，如最短路徑、最優(yōu)路徑、多目標(biāo)路徑等。

3）安全性：安全是無人艇路徑規(guī)劃的重要考慮因素，包括避免與其他船只或障礙物發(fā)生碰撞，以及在突發(fā)情況下能夠及時(shí)應(yīng)對(duì)。

3.2? 未來展望

通過總結(jié)無人艇路徑規(guī)劃的技術(shù)算法，綜合當(dāng)前路徑規(guī)劃的發(fā)展現(xiàn)狀，現(xiàn)存在以下幾種發(fā)展難點(diǎn)和重點(diǎn)。

1）多目標(biāo)優(yōu)化：無人艇路徑規(guī)劃中的多目標(biāo)優(yōu)化是一個(gè)具有挑戰(zhàn)性的問題，需要權(quán)衡不同目標(biāo)之間的關(guān)系，如航行時(shí)間、能源消耗、任務(wù)完成率等。

2）動(dòng)態(tài)環(huán)境下的路徑規(guī)劃：在實(shí)際應(yīng)用中，水域環(huán)境可能會(huì)發(fā)生變化，如海流的變化、新的障礙物出現(xiàn)等。因此，如何實(shí)現(xiàn)在動(dòng)態(tài)環(huán)境下的實(shí)時(shí)路徑規(guī)劃是一個(gè)需要解決的問題。

3）集群協(xié)同：多艘無人艇之間的協(xié)同和合作是未來研究的重點(diǎn)，可以通過路徑規(guī)劃算法實(shí)現(xiàn)艇群的分工與協(xié)同，提高整體效率。

4? 結(jié)論

無人艇路徑規(guī)劃是無人艇自主導(dǎo)航的重要環(huán)節(jié)。傳統(tǒng)方法和強(qiáng)化學(xué)習(xí)方法是目前研究中常用的路徑規(guī)劃方法。然而，仍然存在挑戰(zhàn)，如多目標(biāo)優(yōu)化和動(dòng)態(tài)環(huán)境下的路徑規(guī)劃。未來的發(fā)展方向包括多目標(biāo)優(yōu)化、動(dòng)態(tài)環(huán)境下的路徑規(guī)劃以及集群協(xié)同等方面的研究，這將進(jìn)一步推動(dòng)無人艇技術(shù)的應(yīng)用和發(fā)展。

參考文獻(xiàn)：

[1] 馬鳴，古楠，董佳偉，等.基于電子海圖的無人艇集群區(qū)域覆蓋路徑規(guī)劃[J/OL].中國艦船研究：1-9[2023-08-17].

[2] 應(yīng)澤光，何琪.基于改進(jìn)A*算法的無人艇復(fù)雜水域路徑規(guī)劃[J].機(jī)電技術(shù)，2022（5）：33-35.

[3] Sensor Research：Data from Qingdao University of Science and Technology Provide New Insights into Sensor Research （Greedy Mechanism Based Particle Swarm Optimization for Path Planning Problem of an Unmanned Surface Vehicle）[J]. Journal of Engineering，2019.

[4] 陳銳.復(fù)雜海洋環(huán)境下的水面無人艇智能路徑規(guī)劃[D].昆明：昆明理工大學(xué)，2022.

[5] 趙嘉祺.基于改進(jìn)遺傳算法的水面無人艇避障問題研究[D].天津：天津理工大學(xué)，2019.

[6] 楊琛，蔣鑫，白波，等.遺傳算法優(yōu)化PID控制器參數(shù)的路徑跟蹤控制[J].制造業(yè)自動(dòng)化，2022，44（5）：78-81.

[7] 胡紅波，曹璐.基于免疫遺傳算法的無人艇任務(wù)分配研究[J].艦船電子工程，2022，42（11）：25-27，73.

[8] 劉源，顧因，李夏.復(fù)雜海況下水面無人艇路徑算法優(yōu)化設(shè)計(jì)[J].軍事交通學(xué)院學(xué)報(bào)，2021，23（1）：83-87.

[9] 薛敏，徐海成，王碩.基于粒子群優(yōu)化算法的無人艇路徑規(guī)劃[J].中國科技信息，2018（24）：69-70.

[10] 劉文霞，王榮杰，郜懷通，等.基于量子粒子群算法的無人水面艇路徑規(guī)劃[J].集美大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，28（1）：34-40.

[11] 林法君，李焰.基于改進(jìn)粒子群算法的水面無人艇全局路徑規(guī)劃[J].艦船電子工程，2022，42（8）：59-63，73.

[12] 敖邦乾，楊莎，葉振環(huán).改進(jìn)蟻群算法水面無人艇平滑路徑規(guī)劃[J].控制理論與應(yīng)用，2021，38（7）：1006-1014.

[13] 沈智鵬，丁文娜，劉雨宸，等.基于改進(jìn)自適應(yīng)蟻群算法的無人帆船路徑規(guī)劃[J].哈爾濱工程大學(xué)學(xué)報(bào)，2023，44（6）：969-976.

[14] 孫功武，蘇義鑫，顧軼超，等.基于改進(jìn)蟻群算法的水面無人艇路徑規(guī)劃[J].控制與決策，2021，36（4）：847-856.

[15] 高宇，趙嵩郢.基于動(dòng)態(tài)窗口法的無人艇局部路徑規(guī)劃[J].船電技術(shù)，2022，42（7）：50-54.

[16] 譚智坤，張隆輝，劉正鋒，等.融合改進(jìn)動(dòng)態(tài)窗口法與速度障礙法的無人船局部路徑規(guī)劃[J].船舶力學(xué)，2023，27（3）：311-322.

[17] 李家林，張建強(qiáng)，李春來.基于優(yōu)化人工勢(shì)場法的無人艇局部路徑規(guī)劃[J].艦船科學(xué)技術(shù)，2022，44（16）：69-73.

[18] 張豐，廖衛(wèi)強(qiáng)，喬中飛，等.基于改進(jìn)人工勢(shì)場法的無人船路徑規(guī)劃[J].集美大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，28（2）：150-155.

[19] 封佳祥.水面無人艇智能路徑規(guī)劃技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué)，2020.

[20] 黃海威.無人駕駛車輛路徑規(guī)劃及跟蹤控制研究[D].邯鄲：河北工程大學(xué)，2022.

[21] 夏家偉，劉志坤，朱旭芳，等.基于多智能體強(qiáng)化學(xué)習(xí)的無人艇集群集結(jié)方法[J].北京航空航天大學(xué)學(xué)報(bào)，2023，49（12）：3365-3376.

[22] 蘇震，張釗，陳聰，等.基于深度強(qiáng)化學(xué)習(xí)的無人艇集群博弈對(duì)抗[J].兵器裝備工程學(xué)報(bào)，2022，43（9）：9-14.