在已知城市环境中，基于图和采样的路径规划器在多智能体部署中的应用评估

《IEEE Access》：Evaluation of Graph- and Sampling-Based Path Planners for Multi-Agent Deployment in Known Urban Environments

　　

摘要：

由于无人机（UAV）能够快速部署并在危险环境中运行，它们已成为城市环境中紧急任务的关键工具。在这些灾难场景中，路径规划至关重要，因为它决定了任务的安全性和效率。本研究比较了基于图的算法（如A-Star (A) 和 D-Star Lite (D Lite)），以及基于采样的方法（包括概率道路图 (PRM)、快速搜索随机树星 (RRT) 和批量信息树 (BIT)），并对这些基于采样算法生成的轨迹应用了样条插值后处理技术。为了评估路径规划算法的性能，研究人员使用Python开发了一个框架，该框架能够生成具有静态障碍物的三维城市环境。基准测试包含了50个场景，每个场景有15个障碍物、5架无人机和5次初始尝试，共计进行了10,000次测试，涉及8种不同的规划算法。研究采用了严格的成功标准，并分析了规划时间、路径长度、最小安全裕度和几何平滑度等指标。D* Lite 的成功率最高（98.8%），且障碍物避让能力最强，但代价是规划时间较长。RRT* 和结合样条插值的 RRT* 是最快的方法（平均规划时间约4.9毫秒），尽管成功率较低。相比之下，BIT* 和结合样条插值的 BIT* 在成功率、路径长度和路径质量方面表现优异，同时计算需求适中，仅次于 D* Lite。该基准测试为非协作式多智能体部署场景中的算法选择提供了定量依据，但未考虑飞行动力学、传感器误差或动态障碍物的影响。