面向无人机弹性自主导航的研究

机器人和尤其是无人机在探索对人类构成危险的极端环境中特别有用。为了在这些通常感知退化且缺乏良好 GNSS 的情况下确保安全操作，拥有可靠且鲁棒的状态估计方案至关重要。机器人状态估计领域的文献主体侧重于开发偏向精度的复杂算法。通常，这些方法依赖于一个强有力的潜在假设：主估计引擎在运行过程中不会失效。相比之下，我们提出了一种通过在感知和估计算法中均考虑冗余与异构性来追求状态估计鲁棒性的架构。该架构旨在预期并检测故障，并调整系统行为以确保安全。为此，我们提出 HeRO（异构冗余里程计，Heterogeneous Redundant Odometry）：一组并行运行的估计算法，由弹性逻辑进行监督。该逻辑执行三项主要功能：a) 对数据质量和算法健康度进行置信度测试；b) 重新初始化可能故障的算法；c) 基于输入质量进行多路复用，生成平滑的状态估计。状态与质量估计被导引与控制模块用于调整系统的机动行为。该方法的验证与效用通过在飞行机器人上的真实实验展示，应用场景为地下环境的自主探索，具体结果来自 DARPA 地下挑战赛的 STIX 事件。