MIT 提出 SANDO 规划系统，为无人机在未知动态环境中提供无碰撞飞行的数学保证

“在最艰难的环境中，无人机没有该区域的地图，且周围有未知的移动障碍物，我们建立了数学上的安全保证。规划器唯一需要知道的是障碍物可能达到的最高速度。有了这个，你可以在任何环境中使用它，无需地图，而且你知道无人机不会撞上任何东西，”Kota Kondo SM '23, PhD '26 说道，他最近在麻省理工学院获得了航空与航天博士学位，并且是关于这一新系统的论文的第一作者。

与他共同撰写该论文的还有 Jesús Tordesillas PhD '22，马德里科米利亚斯宗座大学的助理教授；麻省理工学院研究生 Juan Rached、Lili Sun 和 Yixuan Jia；以及资深作者 Jonathan P. How，他是福特航空与航天教授，也是麻省理工学院信息与决策系统实验室（LIDS）和航空航天控制实验室（ACL）的首席研究员。该研究发表于 IEEE Transactions on Robotics。

安全第一

轨迹规划器利用无人机机载摄像头和传感器的图像与数据来规划到达目标的飞行路径。 

大多数现有规划器要么是为未知的静态环境设计的，即障碍物不会移动，要么只是松散地避开动态障碍物，而没有提供机器人不会坠毁的正式保证。 

正式的安全保证在高风险情况下非常重要，例如无人机向偏远自然灾害现场运送医疗物资时。但试图计算动态环境中所有可能的碰撞，对于现实世界的部署来说耗时太长。

“在未知的动态环境中，你没有太多可以依赖的假设。在这类环境中，研究人员还无法从数学上保证轨迹是安全的，”Kondo 解释道。

麻省理工学院的研究人员使用严格的数学方法开发了 SANDO，他们的安全轨迹规划器。他们从理论上证明了该算法始终能计算出保证在未知环境中避开移动障碍物的轨迹。

SANDO 首先在机器人环境中规划出一条安全走廊。这条走廊是一系列相连的 3D 空间区域，机器人可以穿过这些区域，并保证其中不包含任何障碍物。 

但与其他系统不同，SANDO 创建了一条时间敏感的安全走廊，考虑了动态障碍物未来可能的移动。它采用一个特殊模块来检测、分组和监测动态障碍物，以估计它们下一步会移动到何处。

虽然系统并不确切知道障碍物未来会移动到何处，但它利用该障碍物的最大速度来计算其在特定时间跨度内可能移动多远。它在障碍物周围放置一个球体，涵盖其在各个方向上可能移动的最远距离。

SANDO 围绕这些球体构建安全走廊，以确保无人机不会与移动物体相撞。

“在现实世界中，障碍物会移动，所以你在某一时刻创建的安全走廊，随着物体移动进入走廊，就不再有用。但因为我们考虑了时间因素，我们现在可以保证未来的安全，”Kondo 说。

该系统使用基于热图的规划器来识别环境中障碍物密集的“热点”区域，并引导无人机远离这些危险区域。这有助于机器人规划出更高效的路线以绕开危险区域。

快速反应

一旦建立起无碰撞的安全走廊，SANDO 就会在该走廊内优化轨迹，以找到到达目标的最快路径。 

在机器人行进过程中，SANDO 会调整安全走廊并重新规划轨迹，以确保机器人的路径在到达目标之前始终保持无碰撞。 

研究人员采用了一些技巧来简化优化问题的求解，使无人机能够利用其机载计算机快速重新计算轨迹，迅速应对突发变化。

“开发 SANDO 最困难的部分是数学，”Kondo 说。“当你试图保证安全性时，你需要严谨，并确保你的理论涵盖所有可能的情况，甚至是边缘情况。一旦我们有了这种数学上的保证，飞行无人机就变得非常容易了。”

在仿真中，SANDO 比几个最先进的系统更快到达机器人的目标，同时在所有环境中完全避免了碰撞。 

SANDO 还在 12 次真实无人机试飞中避开了所有动态障碍物，利用机器人的机载计算机和传感器快速重新规划安全轨迹。 

未来，研究人员可以使 SANDO 的计算效率更高，并将该系统与机器学习模型相结合，使用户能够用自然语言向机器人下达指令。

自主飞行的一个核心挑战是，一条在规划时安全的路径可能会随着环境变化而变得不安全。SANDO 通过时变安全飞行走廊和支持频繁机载重规划的硬约束轨迹优化来应对这一挑战。它将时空规划、形式化安全分析和硬件验证相结合，为复杂动态环境中的自主飞行提供了一种实用方法，”中国浙江大学副教授高飞说，他并未参与这项研究。

这项研究部分由新加坡国防科技局资助。