移动机器人导航技术-协同感知、自主编队、任务调度,多传感融合的新型导航系统

作为移动机器人的核心技术之一，导航技术涉及感知、决策、控制等多层架构，包含建图、定 位、规划等主要模块，兼容经典控制与机器学习等多样算法，其相关研究涉及面广，时间跨度大，联系 较为不明显。为梳理不同工作间关联，帮助快速了解移动机器人导航技术发展与挑战，本文从“导航” 的词语释义与数学描述出发，以“导”与“航”两个主要目标为线索贯穿全文。通过分析不同环境下 的导航应用局限，探究环境的空间复杂性与时间不确定性对导航技术产生的影响，阐明复杂场景应用 下的研究现状与关键挑战。全文借助对近几十年来相关文献的归类梳理，寻找不同研究间的相关联系、 研究初衷以及可能方案，拟在帮助读者加深对导航技术理解的同时，为后续研究提供思路参考。

移动机器器人导航的主要目标为提升运动效率（导，guiding） 与保证运动安全（航，moving）, 再通过对近年来相 关工作的统计分析，表明目前机器人导航的主要挑战在于复杂环境特有的空间复杂性以及时间不确定 性对已有导航算法所带来的冲击。在此基础上，第3与4节通过关联主要目标与主要挑战阐述导航任 务在不同应用场景下所面临的挑战及研究现状。Z后，第5节进一步总结相关研究工作以及未来研究 方向。 本文以d特的逻辑梳理文献200余篇，时间跨度涵盖1957—2023年，通过寻找不同研究间的相关 联系、研究初衷以及可能解决方案，拟在帮助读者加深对导航技术理解的同时，为后续研究提供思路 参考。本文主要贡献如下所述。 ●从词语释义角度梳理机器人导航工作，以提升效率（导）与保证安全（航）两个目标描述导航任 务的本质。 ●通过相关文献分析探究机器人导航挑战，提出环境所带来的时间不确定性与空间复杂性是目前 导航技术所面临的主要挑战。 ●联合主要任务与主要挑战，从基础导航任务到复杂场景应用，以全新的角度，系统、递进地分析 相关研究工作的主要思路及未来研究点

在以建图、定位、全局路径规划、局部路径规划等模块组成的经典导航框架【4,5下，基于二维激 光数据的移动机器人室内导航技术得以普及，机器人操作系统ROS (robot operating system）所提供 的一系列功能包也进一步使得相关技术在实体机器人上的快速部署成为可能。虽然经典框架在科学研究 与落地应用中都被广泛借鉴使用，但对于导航技术的研究需要不断推陈出新。回顾本文所提及的“导” 与“航”两项导航目标，全局路径规划的目的在于通过一系列局部目标点有效引导机器人实现快速小范 围的安全移动，但该引导方式不应局限于轨迹的形式。主动 SLAM 方法[190~193】中使用基于边界或基于信息值的探索方法引导机器人向未知区域行进，可有效地使机器人尽可能地向空间中不同的区域进 行探索，保证Z终目标位置的到达。视觉语言导航（visual language navigation,VLN）[194~197] 以人类语 音指令与视觉标识为指引，为机器人提供系列局部目标点以实现导航目的。相应地，局部规划模块在 保障机器人自身安全的同时实现向特定方向的行进，现有框架下该模块将接收单个或多个目标点（路 径）作为跟踪目标，但以技能或特定动作模块[145]为运动基础的执行模式有望取得预料之外的效果。 已有的工作无疑为导航任务的推进奠定了基础，但其绝不应成为后续研究的枷锁，多元化的引导方法 与运动模式将为机器人导航带来更多的可能性。

随着机器人向更加多样化、多元化的应用场景推进，现有算法的局限性得以显现，应用场景拓展 所带来的空间复杂性与时间不确定性给机器人导航技术带来了新的挑战。

环境的空间复杂性由空间尺度、杂乱程度等特性决定，更加复杂且不规则的空间环境对全局路径规 划算法的引导能力提出了更高的要求。为克服环境空间复杂性所带来的影响，早期工作围绕大尺度场 景下的算法实时性、杂乱环境下的算法完备性等问题展开研究，但随着算法的逐步完善，全局规划在引 导方面的功能得以充分开发，足以适应大部分场景。近年来与全局规划算法相关的文献数量相对减少， 着重点也逐步由对已有算法的锦上添花，转向对安全性、非完整约束等额外功能需求的拓展，以求进一 步减轻局部规划的负担，提升整体的导航性能。虽说对于经典规划算法的改良空间已相对较少，但对新 方法的探索仍有意义，特别是与机器学习算法相结合的尝试〔198~2041，将有望找到新的框架与突破点。

时间不确定性主要指动态物体、光照天气等由于时间变化所带来的环境改变。该环境具备环境状 态部分可观且快速变化两个特征。围绕部分可观问题，以轨迹预测算法为代表的长时模型构建工作得 到了广泛关注，但现有轨迹预测算法的准确性与实时性仍有待提升。对长时模型的引入以及规划频率 的提升均对决策时效性的延长有所帮助，但信号跳变、机器人冻结以及时间代价等问题的存在使得动 态环境下的导航问题长期存在瓶颈。随着近年来机器学习算法的引入，以强化学习为代表的局部规划 算法得以快速发展。相关方法主要围绕对值函数网络与奖励函数的设计开展，而对轨迹预测网络的借 鉴将使得强化学习模型具备更强的预测能力与可解释性。同时，为使导航过程更加贴合人类交互喜好， 以社会性、自然性以及舒适性为主要研究对象的社交导航问题成为一个新的研究需求。但由于该问题 的开放性，统一评价指标与验证平台[189,205]的缺失既成了一个机遇，也成了一个重大挑战。

除此之外，多机器人涉及的协同感知、自主编队、任务调度等集群智能，是新一代人工智能的核心研究领域；倡导视觉为主、多传感融合的新型导航系统可适应于更苛刻的环境；对主动SLAM, 机器人 重定位等算法的探索在简化机器人操作，提升导航鲁棒性方面具有重大意义。当研究对象涉及特种机 器人、特殊应用场景以及特定任务需求时，导航技术在系统架构、算法实现、应用细节等方面均呈现 出与通用方法不同的形态，结合具体应用的专用技术研究也是导航领域内不可或缺的重要组成部分。

历经数十年的演变与发展，机器人导航技术已能够较好地适应结构化的应用场景。更为普遍的非 结构环境，虽然在理论研究与仿真模拟上均已取得突破，但实际应用仍然有限。作者团队多年来聚焦 非结构化复杂环境下机器人多维感知、场景理解、地图构建、定位与导航系列方法，在无人码头、轨 道标记、无人驾驶等领域得到成功的推广和应用。但导航技术在适应复杂非结构场景、跨越理论与实 践鸿沟方面，仍面临着长远的挑战。

附件：移动机器人导航技术-协同感知、自主编队、任务调度,多传感融合的新型导航系统