混合人工勢場與時空變換器用於即時AUV路徑規劃

自主水下航行器（AUV）在複雜且非結構化的水下環境中執行任務時，高效且安全的路徑規劃對於任務成功和能量節約至關重要。近期，一篇發表於arXiv的論文對十三種路徑規劃演算法進行了全面的比較評估，涵蓋了從經典圖搜尋方法（如A*和Dijkstra）、基於取樣的方法（如RRT*）到元啟發式演算法（如粒子群最佳化（PSO）、遺傳演算法（GA）、蟻群最佳化（ACO）、蜜蜂演算法（BCO））以及基於學習的架構。論文特別重點介紹了一種結合人工勢場（APF）和時空變換器（ST-Transformer）的混合方法。在高解析度水下地形圖的五個導航場景中，所有演算法均實現了100%的任務完成率，但在路徑最優性、碰撞避免和計算負載方面表現出顯著的權衡。混合APF+ST變換器展現出卓越的平衡效能，實現了最短的平均路徑長度（943.15單位）、低碰撞率（0.031）和高效的計算時間（0.96秒），優於需要後備機制的獨立學習模型和延遲較高的經典方法。經典演算法雖能保證無碰撞路徑，但其路徑過長和處理時間較長，不適合動態水下作業。相反，元啟發式方法引入了軌跡複雜性，不適合嚴格的能量約束。基於這些發現，論文推薦混合APF+ST框架作為即時AUV導航的主要方法，在資源受限的水下系統中提供了一種協調反應式避障和全域性路徑最優性的魯棒解決方案。此外，該混合框架結合了APF的快速反應能力和ST變換器對時空資訊的處理能力，使其能夠在動態環境中即時調整路徑。實驗結果表明，該方法在處理複雜地形和動態障礙物時具有顯著優勢，為未來AUV在海洋勘探、環境監測和軍事應用等領域提供了重要的技術支撐。