在强震等灾害发生后，无人机（UAV）可以深入倒塌建筑内部绘制三维地图，为救援人员提供快速定位幸存者所需的关键信息。但对自主无人机而言，这类任务仍然极具挑战：飞行器既要在极短时间内调整轨迹躲避突发障碍，又要尽量保持原定航线和任务效率。

麻省理工学院（MIT）与宾夕法尼亚大学（UPenn）的研究人员联合开发了一套新的轨迹规划系统，正面应对这两个难题。他们提出的技术让无人机能够在毫秒级对障碍物做出反应，同时生成平滑、时间最优的飞行路径，从而显著缩短整体飞行时间。

研究团队采用了一种新的数学建模方式，在保证安全、可行的前提下，为机器人规划从起点到终点的可行路径，并将计算量压缩到低于现有主流方法的水平。借此，系统可以比当前最先进技术更快地产生更平滑的轨迹。

这一轨迹规划器的效率足以支撑完全依赖机载计算机和传感器的实时飞行，无需昂贵的外部计算平台。

该开源系统被命名为 MIGHTY，不依赖价格高昂的专有软件包（这些软件往往需要数十万美元），因此更容易在各种实际应用场景中推广部署。

除了地震搜救等应急任务，MIGHTY 还可用于城市环境中的“最后一公里”配送——无人机需要在楼宇、电线和行人之间穿行——以及风力涡轮机等复杂结构的工业巡检。

“在只使用开源工具的前提下，MIGHTY 就能达到甚至超过商业求解器的性能，这意味着世界各地的研究人员、学生或企业都可以免费使用它。通过消除成本门槛，MIGHTY 有助于让高性能轨迹规划技术更广泛地普及，并为更大范围的社区在此基础上开展工作创造条件。”航空航天专业研究生、论文第一作者近藤航太（Kota Kondo）表示。

论文作者还包括宾夕法尼亚大学研究生吴宇伟、宾大教授 Vijay Kumar，以及资深作者——MIT 福特航空航天教授、信息与决策系统实验室（LIDS）和航空航天控制实验室（ACL）主要研究员 Jonathan P. How。相关成果发表在《IEEE Robotics and Automation Letters》（IEEE 机器人与自动化快报）上。

打破传统权衡

近藤的研究动机可以追溯到童年经历。东日本大地震后，福岛第一核电站发生事故。学校停课期间，他每天在家通过新闻关注工作人员如何进入反应堆周边的高危区域进行勘察和加固。一些作业人员不得不亲自进入高辐射环境以控制损害、评估风险，承受巨大健康威胁。

“我希望能创造出能够进入这类动态且危险环境的自主机器人，让它们代替人类进入现场，再把信息带回到安全区域的人们手中。”近藤说。

要实现这一目标，核心之一是强大的轨迹规划器——也就是决定机器人如何从 A 点安全到达 B 点的软件。但现有许多系统在性能上存在明显的权衡。

部分商业系统可以快速生成平滑轨迹，但价格极其昂贵，往往高达数十万美元。开源替代方案虽然成本低，却常常在性能上不及商业求解器，或者使用门槛较高、配置复杂。

通过 MIGHTY，近藤和同事构建了一个开源系统，能够在飞行过程中实时响应新出现的障碍，生成高质量、平滑的轨迹，并且只依赖机载硬件就能以足够快的速度运行，满足实际飞行需求。

为此，他们需要解决一个长期制约开源系统的关键问题。

许多传统方法会先预估机器人从 A 点到 B 点所需的总时间，然后在这个固定时间预算下寻找一条“最优”路径。

这种固定旅行时间的做法可以较快生成轨迹，但也带来明显弊端。例如，当无人机必须大幅绕行以避开障碍时，它仍被迫在既定时间内抵达终点，只能通过加速来“赶时间”，这会降低其在面对突发危险时的机动余地和安全性。

MIGHTY 的方法

MIGHTY 采用了一种称为 Hermite 样条（Hermite spline）的数学工具，将“旅行时间”和“飞行路径”放在同一个优化框架中联合求解，一次性生成既平滑又可精细控制的轨迹。

“如果能同时优化空间和时间两个维度，结果会更好。但这样一来，优化问题的规模会大幅膨胀，通常很难在合理时间内算出解。”近藤解释道。

为降低计算负担，研究人员设计了一系列技巧。

MIGHTY 并不是每次都从零开始规划轨迹，而是先给出一个初始轨迹猜测，再利用无人机激光雷达传感器构建的环境地图，对这一初始解进行迭代优化和修正。

“我们可以先得到一个合理的轨迹初始猜测，这比从头生成整条轨迹要快得多。”近藤说。

借助这种策略，MIGHTY 能够在飞行中实时对未知障碍做出反应，同时保持轨迹的平滑性并尽量缩短飞行时间。整个系统只依赖无人机的机载计算与传感器，这对那些远离地面基站、无法依赖外部算力的应用尤为关键。

在仿真实验中，MIGHTY 的计算时间约为当前最先进方法的 90%，但在保证安全到达目的地的前提下，整体飞行速度提升约 15%。

在真实无人机测试中，系统实现了最高 6.7 米/秒的飞行速度，并成功避开路径上的所有障碍物。

“我们把所有关键功能都集成在一个系统里，不需要和其他软件来回通信就能得到解，这也是我们能比一些商业求解器更快的原因之一。”近藤补充道。

展望未来，研究团队计划扩展 MIGHTY，使其能够同时协调多架机器人协同飞行，并在更复杂、更具挑战性的环境中开展更多飞行实验。他们还打算根据用户反馈持续迭代改进这一开源系统。

苏黎世大学机器人与感知组教授、该组主任 Davide Scaramuzza（未参与本研究）评价说：“通过重新审视轨迹表示方式，MIGHTY 为灵活的机器人导航做出了重要贡献。Hermite 样条此前已在视觉同步定位与地图构建（视觉 SLAM）中得到成功应用，如今它的优势被引入移动机器人轨迹规划领域，这非常令人期待。

“通过在保持轨迹局部可控的前提下，实现路径几何、时间、速度和加速度的联合优化，MIGHTY 让机器人在复杂环境中快速计算动态可行运动时拥有了更大的自由度。”

本文经 MIT News（web.mit.edu/newsoffice/）授权转载。MIT News 专注报道麻省理工学院的研究、创新与教学相关资讯。