行星探测漫游车的优化任务规划
机器人学
2015-11-03 v1
摘要
行星表面的探索主要是无人化的，需要一个着陆器和自主和/或遥操作漫游车。人工智能和机器学习技术可用于更好的任务规划。本文描述了协同使用全局导航与元启发式优化算法来规划安全、高效的任务。目标是确定安全着陆区(LZ)与全局路径规划的最低代价组合，其中避免着陆器和漫游车的地形危险可最小化代价。计算机视觉方法被用于识别表面陨石坑、丘体和岩石作为障碍。针对漫游车全局路径规划研究了多种搜索方法。实现了若干组合优化算法以选择最短距离路径作为优选任务规划。针对一个Google Lunar X Prize示例任务进行了仿真。本研究的结果是一个优化方案，其使用A*搜索方法进行路径规划，并利用模拟退火为任务选择理想的LZ-路径-目标组合。仿真结果表明这些方法在最小化危险风险和提升效率方面有效。本文针对月球任务，但所得架构可应用于多种行星任务和漫游车。
引用
@article{arxiv.1511.00195,
title = {Optimized Mission Planning for Planetary Exploration Rovers},
author = {Alexander Lavin},
journal= {arXiv preprint arXiv:1511.00195},
year = {2015}
}