近日，研究人員提出了一種名為Track A*（TA*）的新型離線搜尋軌跡規劃器，旨在解決主動目標跟蹤中的可見性感知軌跡規劃問題。該工作發表於arXiv，由Hanxuan Chen、Kangli Wang和Ji Pei共同完成。
主動目標跟蹤在許多機器人應用中至關重要，例如自動駕駛、監控和搜尋救援。離線參考軌跡在構建多模態跟蹤資料集以及在可重複條件下基準測試線上跟蹤規劃器時都不可或缺。Track A*面向這一需求，在離散的四維時空網格（x, y, z, t）上最佳化可見性感知的跟蹤目標。
Track A*的核心創新在於將分層有向無環圖（DAG）搜尋與三種工程最佳化相結合：基於包圍體層次結構（BVH）的跨時間障礙物距離快取、逐層束剪枝以及可配置的多射線可見性評估器。透過束剪枝啟發式搜尋，該規劃器在離散圖上高效地尋找高質量的跟蹤軌跡。雖然它犧牲了嚴格的理論最優性以換取實際可擴充套件性，但實驗結果表明，其在計算成本大幅降低的情況下，能夠保持與基線相當的可見性效能。
在八張CARLA最佳化地圖上進行的1000場景壓力測試中，Track A*在所有場景中均收斂，並使用32個工作者在45秒內完成。在與未最佳化的優先佇列A*基線（BinaryHeap實現）進行的248場景對比測試中，在相同場景輸入和500萬擴充套件上限下，Track A*將平均規劃時間降低了23.0倍，最壞情況規劃時間降低了11.8倍，同時將收斂率從56.9%提升至100%。在基線收斂的141個場景子集上，Track A*的平均可見性變化僅為-0.15個百分點，且沒有場景的可見性下降超過5個百分點。
研究團隊將Track A*定位為特定條件下的實用離線參考規劃器，並討論了其在如Town07密集植被等環境中的侷限性和失敗案例。該工作為主動目標跟蹤領域提供了一種高效、可靠的離線規劃方案，有望促進相關資料集構建和演算法基準測試。