通过随机网络的UGV-UAV团队辅助路径规划
机器人学
2024-01-01 v1
摘要
本文考虑随机环境中的多智能体路径规划问题。环境（可以是城市道路网络）由图表示，其中选定路段（受阻边）的通行时间由于交通拥堵是随机变量。无人地面车辆（UGV）希望从起点到终点，同时最小化到达终点的时间。UGV可以穿过受阻边，但真实通行时间只有在该边末端才能获知。这意味着UGV可能陷入高通行时间的受阻边。同时部署一架支援车辆（如无人机UAV）从其起始位置出发，通过检查和获知受阻边的真实成本来辅助UGV。利用UAV的更新信息，UGV可以有效地重新规划到终点的路径。UGV在到达终点前不会在任何时刻等待。UAV允许在任何顶点终止其路径。目标是开发一种基于当前信息的在线算法，为UGV和UAV确定高效路径，使UGV以最短时间到达终点。我们将此问题称为随机辅助路径规划（SAPP）。我们提出了用于UGV规划的动态k-最短路径规划（D*KSPP）算法和用于UAV规划的乡村邮差问题（RPP）公式。由于RPP的可扩展性挑战，我们还提出了一种基于启发式的优先级分配算法（PAA）用于UAV规划。给出了计算结果以证实所提算法解决SAPP的有效性。
引用
@article{arxiv.2312.17340,
title = {Assisted Path Planning for a UGV-UAV Team Through a Stochastic Network},
author = {Abhay Singh Bhadoriya and Sivakumar Rathinam and Swaroop Darbha and David W. Casbeer and Satyanarayana G. Manyam},
journal= {arXiv preprint arXiv:2312.17340},
year = {2024}
}