混合人工势场与时空变换器用于实时AUV路径规划

自主水下航行器（AUV）在复杂且非结构化的水下环境中执行任务时，高效且安全的路径规划对于任务成功和能量节约至关重要。近期，一篇发表于arXiv的论文对十三种路径规划算法进行了全面的比较评估，涵盖了从经典图搜索方法（如A*和Dijkstra）、基于采样的方法（如RRT*）到元启发式算法（如粒子群优化（PSO）、遗传算法（GA）、蚁群优化（ACO）、蜜蜂算法（BCO））以及基于学习的架构。论文特别重点介绍了一种结合人工势场（APF）和时空变换器（ST-Transformer）的混合方法。在高分辨率水下地形图的五个导航场景中，所有算法均实现了100%的任务完成率，但在路径最优性、碰撞避免和计算负载方面表现出显著的权衡。混合APF+ST变换器展现出卓越的平衡性能，实现了最短的平均路径长度（943.15单位）、低碰撞率（0.031）和高效的计算时间（0.96秒），优于需要后备机制的独立学习模型和延迟较高的经典方法。经典算法虽能保证无碰撞路径，但其路径过长和处理时间较长，不适合动态水下作业。相反，元启发式方法引入了轨迹复杂性，不适合严格的能量约束。基于这些发现，论文推荐混合APF+ST框架作为实时AUV导航的主要方法，在资源受限的水下系统中提供了一种协调反应式避障和全局路径最优性的鲁棒解决方案。此外，该混合框架结合了APF的快速反应能力和ST变换器对时空信息的处理能力，使其能够在动态环境中实时调整路径。实验结果表明，该方法在处理复杂地形和动态障碍物时具有显著优势，为未来AUV在海洋勘探、环境监测和军事应用等领域提供了重要的技术支撑。