ARENA：面向多目标 3D 基础设施检查的自适应风险感知与节能 UAV 导航
机器人学
2025-02-27 v1
摘要
自动化机器人巡检任务需要在导航过程中平衡多个相互冲突的目标，而这些任务常常要绕行代价高昂的障碍物。当前的方法在应对诸如定位误差、天气、电池状态和通信问题等变化风险时，难以实现自适应。本文提出一种自适应风险感知与节能导航（ARENA）方法，用于 UAV 在复杂 3D 环境中的多目标路径规划。该方法通过优化安全性、耗时和能耗，使用 4D NURBS 表示实现在线轨迹自适应，并基于遗传算法生成帕累托前沿。一种新颖的风险感知投票算法确保了自适应性。仿真和实际测试表明，规划器能够产生覆盖单目标基准定义范围的 95% 以上的多样化、优化轨迹，能够以均值误差代表全功率范围的 14% 来估计功耗。ARENA 框架增强了 UAV 在关键、动态 3D 任务中的自主性和可靠性。
引用
@article{arxiv.2502.19401,
title = {ARENA: Adaptive Risk-aware and Energy-efficient NAvigation for Multi-Objective 3D Infrastructure Inspection with a UAV},
author = {David-Alexandre Poissant and Alexis Lussier Desbiens and François Ferland and Louis Petit},
journal= {arXiv preprint arXiv:2502.19401},
year = {2025}
}
备注
8 pages, 7 figures, submitted to IEEE Robotics and Automation Letters (RA-L)