robotics - 障碍物警告系统

Question

哪个是设计具有基础预测逻辑的避障系统的最佳算法？

我正在使用一个微波雷达系统，它可以给出各种障碍物的坐标和速度。基于这些输入，算法应识别最关键的障碍物并向汽车/飞机驾驶员发出警告。主要关注点是预测部分。系统不仅应该识别当前的障碍物，还应该根据速度分量寻找未来的碰撞。有哪些可能的探索策略（卡尔曼、扩展卡尔曼、神经网络、进化算法）

Answer 1

在考虑哪些策略是合适的之前，您需要考虑哪些约束描述了障碍物和车辆的运动，通常这些约束被组合成一组微分方程。没有这些信息，就不可能做出任何合理的建议。

• 卡尔曼滤波器是线性系统或可以用线性系统近似于一个或多个点的系统的最佳预测器。
• EKF 或 UKF 更常用于非线性系统。
• 神经网络和进化算法可能不值得考虑——障碍物跟踪问题有更好的解决方案。

纯粹的避障可以追溯到具有最少计算资源的老式机器人技术。这包括 Brook 的 Subsumption 架构和 Khatib 的潜在领域。然而，避碰系统的大部分工作实际上并不与避开障碍物有关，而是与规划配置（或状态）之间的有效路径有关。当前最先进的车辆规划（用于 DARPA 城市挑战和一些 JPL 漫游车）似乎是离线运动动力学轨迹生成和 D*-Lite 算法的混合体。