【图/文 全凤宇】多旋翼无人机（MAV）在狭小且不断变化的室内环境中，需要可靠的规划能力以避开移动中的行人。 目前的MAV轨迹规划算法常常导致成功率低下或对可导航空间不必要的限制。 我们提出了一种多阶段的局部轨迹规划方法，该方法利用基于欧几里得有符号距离场（ESDF）的状态-时间空间（ST-space）预测行人移动，以应对这些挑战。 我们的方法通过整合时空优化和快速的ESDF查询，迅速生成无碰撞轨迹。 基于统计分析，我们的方法在行人速度增加时，性能优于现有的最先进的MAV轨迹规划方法。 最后，我们验证了我们提出的方法在室内动态场景中的实时适用性。
本工作的主要贡献： 我们工作贡献是设计了一个多阶段的局部轨迹重新规划框架，该框架结合了基于实时欧几里得有符号距离场（ESDF）的状态-时间空间（ST-space）构建与时空耦合优化。 这种方法显著提高了在动态障碍物避让中的成功率和无人机（MAV）的飞行效率和绕行成功率，特别是在相对高速的运动行人场景中。
从上表中可以看到我们的方法尤其在运动行人速度较快时，可以获得更高的绕行成功率。
论文： F. Quan, Y. Shen, P. Liu, X. Lyu and H. Chen, “A State-Time Space Approach for Local Trajectory Replanning of an MAV in Dynamic Indoor Environments,” in IEEE Robotics and Automation Letters, doi: 10.1109/LRA.2025.3541376.