摘 要：Ｉｎｆｏｒｍｅｄ-ＲＲＴ* 算法是解決全局路徑規(guī)劃問(wèn)題常用的算法。當(dāng)處理狹窄環(huán)境時(shí)，Ｉｎｆｏｒｍｅｄ-ＲＲＴ* 算法往往容易陷入局部最優(yōu)解，而在復(fù)雜環(huán)境中路徑規(guī)劃的成本又往往過(guò)高。為了解決這些問(wèn)題，提出了一種基于啟發(fā)式自適應(yīng)步長(zhǎng)的采樣策略，以改進(jìn)Ｉｎｆｏｒｍｅｄ-ＲＲＴ* 算法的不足之處。通過(guò)在隨機(jī)節(jié)點(diǎn)周?chē)鷶U(kuò)展采樣點(diǎn)集來(lái)計(jì)算啟發(fā)式值，選擇最優(yōu)節(jié)點(diǎn)并按照其生長(zhǎng)方向進(jìn)行擴(kuò)張。通過(guò)計(jì)算最優(yōu)節(jié)點(diǎn)與最近節(jié)點(diǎn)的距離，確定下一次采樣的步長(zhǎng)。這使得機(jī)器人能夠更好地適應(yīng)二維和三維環(huán)境中的狹窄區(qū)域和復(fù)雜環(huán)境。將改進(jìn)的算法在二維和三維環(huán)境中進(jìn)行仿真驗(yàn)證，實(shí)驗(yàn)結(jié)果表明了該算法的有效性和魯棒性較為優(yōu)異。

關(guān)鍵詞：路徑規(guī)劃；啟發(fā)式自適應(yīng)步長(zhǎng)；Ｉｎｆｏｒｍｅｄ-ＲＲＴ* ；三維場(chǎng)景

中圖分類(lèi)號(hào)：Ｖ２７１． ４ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１０６（２０２４）１０－２４４６－０７

０ 引言

隨著機(jī)器人技術(shù)的迅速發(fā)展，移動(dòng)機(jī)器人和無(wú)人機(jī)被廣泛應(yīng)用于偵查、搜救、運(yùn)輸、救援、勘測(cè)和其他特殊領(lǐng)域［１－３］。而機(jī)器人路徑規(guī)劃則是實(shí)現(xiàn)上述場(chǎng)景的關(guān)鍵。路徑規(guī)劃簡(jiǎn)單來(lái)說(shuō)就是在保證機(jī)器人安全的情況下，找到一條漸近最優(yōu)路徑［４］。因此研究二維場(chǎng)景和三維場(chǎng)景下的路徑規(guī)劃算法是目前研究的熱點(diǎn)［５－６］。根據(jù)機(jī)器人對(duì)環(huán)境信息的掌握程度可以將路徑規(guī)劃分為全局路徑規(guī)劃［７］和局部路徑規(guī)劃［８］。常見(jiàn)的路徑規(guī)劃算法有基于圖搜索的Ａ算法［９］、基于隨機(jī)采樣的快速隨機(jī)搜索樹(shù)（Ｒａｐｉｄｌｙｅｘｐｌｏｒｉｎｇ Ｒａｎｄｏｍ Ｔｒｅｅ，ＲＲＴ）算法［１０］及一些智能仿生算法［１１－１３］。

隨著近幾十年的研究發(fā)展，不少學(xué)者逐漸優(yōu)化了上述算法，提升了算法的性能。如學(xué)者Ｌａｖａｌｌｅ［１４］通過(guò)引入優(yōu)化節(jié)點(diǎn)，提出ＲＲＴ* 算法，使得在足夠的迭代次數(shù)下能夠找到漸近最優(yōu)路徑。但是由于隨機(jī)采樣，會(huì)導(dǎo)致算法規(guī)劃效率較慢。針對(duì)這一問(wèn)題，Ｇａｍｍｅｌｌ 等［１５］在ＲＲＴ* 算法的基礎(chǔ)上，提出了Ｉｎ-ｆｏｒｍｅｄ-ＲＲＴ* 算法。該算法通過(guò)構(gòu)建超橢球空間，限制了采樣空間，有效地提升了算法的采樣效率。隨后，Ｋａｒａｍａｎ 等［１６］于２０１１ 年將Ｉｎｆｏｒｍｅｄ-ＲＲＴ* 與Ｖｏｒｏｎｏｉ 圖結(jié)合，使算法能夠更好地利用環(huán)境特征。文獻(xiàn)［１７］通過(guò)提出一種基于自適應(yīng)增長(zhǎng)策略和橢圓區(qū)域變權(quán)采樣策略的改進(jìn)Ｉｎｆｏｒｍｅｄ-ＲＲＴ* 算法，并進(jìn)行了軌跡優(yōu)化，改善了規(guī)劃效率。劉文倩等［１８］引入人工勢(shì)場(chǎng)加快了Ｉｎｆｏｒｍｅｄ-ＲＲＴ* 收斂到漸近最優(yōu)的速度。但是上述這些算法在狹窄環(huán)境和復(fù)雜環(huán)境下，其魯棒性不高且容易陷入局部最優(yōu)。