FMT$^{x}$：快速穿梭树的一个高效且渐进最优的动态重规划扩展

动态环境中的路径规划是机器人学中的核心挑战，尤其是当自动化系统部署在不可预测空间中时，如仓库和公共道路。虽然像快速穿梭树（FMT$^{*}$）这样的算法在静态设置下提供渐进最优解，但其单次通过设计防止了对必需的路径修订，这对于实时适应至关重要。另一方面，完全重规划往往计算过于昂贵。本文引入了FMT$^{x}$，这是一种快速穿梭树算法的扩展，使其能够在动态环境中实现高效且一致的重规划。我们重新审视了FMT$^{*}$的邻居选择规则，证明只需最小化的改动即可克服其单次通过的局限，使算法能够在发现更佳连接后更新到达成本值，而不牺牲渐进最优性或计算效率。通过维护成本有序的优先队列并应用一种选择性更新条件，该条件使用扩张邻居来识别和触发对任何可能次优路径节点的重新评估，FMT$^{x}$确保次优路径被高效修复，随着环境的演变。这种针对性策略保留了FMT$^{*}$固有的效率，同时实现了对障碍物配置变化的稳健适应。FMT$^{x}$被证明在环境变化后能够恢复渐进最优解。实验结果表明，FMT$^{x}$超越了有影响力的重规划器RRT$^{x}$，对动态事件的反应更快，计算开销更低，从而为不可预测世界中的实时机器人导航提供了更有效的解决方案。