印度团队开发出可以像人一样思考的自动驾驶算法，该算法可以像人一样思考，使空中或地面上的车辆能够在杂乱的环境中自动导航。据研究团队介绍，该算法是基于“广义形状扩展”（GSE）的新概念开发的，能够为自动驾驶车辆规划安全且动态可行的轨迹。与目前许多最先进的运动规划算法相比，印度算法可以取得更好的效果。该团队表示，由于采用了一种计算“安全”区域的新颖方法，它在许多效率至关重要的路线规划场景中提供了重要帮助，例如自动驾驶汽车、灾难响应、ISR操作和无人驾驶飞行器。平面内交付和行星探索等应用。无人驾驶飞行器(UAV)通常用于调查灾区和扫描残骸以执行搜索和救援任务。研究人员表示，由于需要在此类应用中快速规划无人机飞行路径，他们的算法可以发挥关键作用。该研究由印度马德拉斯理工学院航空航天工程系助理教授SatadalGhosh领导，已发表在《AIAA Journal of Guidance, Controland Dynamics》、《IEEE Control Systems Letters》等国际知名期刊，以及IEEEDecision和控制会议（CDC）、美国控制会议（多篇研究论文已在ACC等顶级会议上发表）和AIAA。团队成员包括：IITMadras校友VrushabhZinage，博士德克萨斯大学奥斯汀分校的研究学者AdhvaithRamkumar、波兰华沙科技大学的研究生和高盛分析师NikhilP。环境和基于GSE的算法计划确保导航能力，”Zinage说，算法随机选择“可见”区域中的一个点，并通过安全“边缘”将其连接到当前安全可达区域。最终，该算法几乎总能连接环境中的任意两点，满足一定的一些基本标准。”研究人员解释说，基于GSE的算法的主要优势在于，与其他几种传统运动规划算法相比，计算效率有显着提高。这自然使得基于GSE的算法特别适用于规划紧急情况。AdhvaithRajkumar说：“该算法没有使用计算量大的碰撞检查模块，而是利用了‘广义形状’的新概念，这是从环境中的一个点可以到达的最大自由空间。其方式类似于人类判断的方式”安全的“空间”。该算法从本质上加快了环境检测速度，而基于GSE的算法只需几次迭代即可连接初始区域和目标区域。IITMadras航空航天工程系助理教授SatadalGhosh在解释运动规划算法的应用时说：“配备我们算法的无人机可以在灾害管理和响应场景中发挥重要作用。”他说：“在地震等灾难性事件发生后，无人机通常会被派往受灾地区并扫描残骸以执行搜救任务。”“因为在这类应用中，需要提前快速规划无人机飞行路径，我们的算法可以发挥重要作用。”关键作用。”他说：“总的来说，这类基于GSE的算法在自动化应用环境中具有广阔的潜力，包括仓库物资运输、工程竣工验收、无人机送货、灾害管理、自动驾驶汽车等。这种算法还可以被利用来制定多车辆环境中的协调运动策略。”该团队表示，该研究的当前状态仅限于基于GSE的算法的理论发展和改进以及对它们的广泛的真实世界模拟。验证。研究人员计划在不久的将来将这些算法应用于无人机和地面车辆。“在动态环境中，来自机载传感器的位置信息是有限的，或者当任务受到动态变化的关键任务要求（如情报、监视和侦察）的限制时（ISR）操作，或与漫游者进行行星探索，”Ghosh说。干预车辆的运动十需要频繁、快速地重新计划动作。”Ghosh说：“我们目前的研究表明，即使在这种情况下，由于我们基于GSE的算法是可见区域的唯一性，该算法使得实时运动规划变得更加容易。”【翻译、合作站转载请注明原译者及出处为.com】
