GO-Flock：基于深度图的 3D 未知环境中面向目标的集群控制
机器人学
2025-10-08 v1 系统与控制
系统与控制
摘要
人工势场（APF）方法广泛用于反应式集群控制，但它们常常面临死锁和局部最优等挑战，尤其是在存在障碍物的情况下。现有解决这些问题的方法通常是被动的，导致缓慢且低效的集体导航。因此，许多 APF 方法仅在无障碍环境或简化的伪三维仿真中得到验证。本文提出 GO-Flock，一个将规划与反应式 APF 控制相结合的混合集群框架。GO-Flock 由上游感知模块和下游集体导航模块组成：感知模块处理深度图以提取航路点和虚拟智能体用于避障，集体导航模块应用一种新型 APF 策略在杂乱环境中实现有效的集群行为。我们将 GO-Flock 与被动的 APF 方法进行对比评估，以展示各自的优势，如集群行为和克服局部最优的能力。最后，我们通过充满障碍物的环境以及硬件在环实验验证了 GO-Flock，在森林环境中成功实现了九架无人机（六架物理、三架虚拟）的集群飞行。
引用
@article{arxiv.2510.05553,
title = {GO-Flock: Goal-Oriented Flocking in 3D Unknown Environments with Depth Maps},
author = {Yan Rui Tan and Wenqi Liu and Wai Lun Leong and John Guan Zhong Tan and Wayne Wen Huei Yong and Fan Shi and Rodney Swee Huat Teo},
journal= {arXiv preprint arXiv:2510.05553},
year = {2025}
}