四旋翼无人机在应对高速动态障碍物时,飞行安全边界本质上受限于系统的决策时延,而非单纯的动力学极限。在高速相向运动场景中,可用的反应时间受限于平台机动性能与全链路处理延迟,规划模块消耗的计算时间会直接压缩无人机实际可用的空间规避裕度。
传统连续时间避障方法多采用在线预测与数值优化的架构,通过在机载优化器中迭代计算非凸时空走廊或碰撞惩罚函数来生成轨迹。这种机制导致规划耗时与场景中的动态障碍物数量产生直接耦合。在多目标交汇且计算资源受限的工况下,极易引发计算时延突增并导致控制周期逾期,迫使底层控制器执行过期的外推轨迹,显著增加碰撞风险。
针对上述问题,微分智飞团队依托旗下教育品牌非凸空间研发的竞技级飞行机器人非凸 - C5 平台,在 Diff-YOPO 算法基础上,提出了一种基于轨迹风险学习的全向动态避障框架。(近期本账号将发布该项新功能相关解读,敬请关注)。该方案将高维时空轨迹碰撞风险的连续积分从机载在线运行回路中剥离,转由离线学习完成。系统构建了融合测距全景、动态掩码与表面速度的固定维度感知张量,通过双分支圆周卷积网络进行单次前向推理,在全向候选轨迹空间上实现与障碍物数量解耦的常数级时延评估。
在机载嵌入式计算平台上,该方案展现出极低且高度确定的规划时延,在零实机微调的条件下平稳完成了多类高速实体投掷物的连续动态避让。

图1|复杂动态环境下的实机避障:
四旋翼无人机非凸-C5在穿越静态障碍区域并飞向预设目标的过程中,自主规避侧向高速穿越的实体投掷物,轨迹按飞行时间平滑过渡,并在整个交汇过程中保持安全的物理间隔。

传统局部轨迹规划器在密集动态环境下存在结构性计算瓶颈。数值优化方法需要在轨迹配置点上反复求解非凸约束或分离超平面,计算负载随动态障碍物数量增长而显著增加。同时,机载嵌入式计算平台在并发运行定位建图与目标追踪时面临计算资源竞争,规划耗时一旦超出控制周期预算,底层飞控只能依赖陈旧的历史轨迹进行盲目推算,导致规避动作严重滞后。
提升机载计算硬件性能仅能平移耗时基准,无法解除计算复杂度与障碍物数量的内在绑定。因此,该研究将系统核心目标确立为消除在线规划耗时对动态障碍物规模的敏感性。通过离线先验蒸馏,使在线计算时间对障碍物数量的依赖完全消失,将机载在线迭代搜索转化为固定的前向网络特征查询与代数闭式解算。

图2|非凸-C5飞行机器人实机效果展示(1)

为了在稀疏感知条件下为规划网络提供完备且紧凑的时空状态,系统设计了标准化的多通道球面规划输入张量,统一了仿真训练与实机部署的接口表征。该张量主要包含度量距离全景、动态二值掩码与笛卡尔表面速度三个维度的信息。
度量距离全景通道将激光雷达点云经运动补偿后投影至机体局部的离散球面网格中,记录各个视线方向的表面测距,并结合局部近邻传播算法补全未命中光束,缓解非重复扫描激光雷达瞬时扫描的稀疏性。
动态二值掩码通道通过轻量化点流检测与数据关联,将归属于已确认动态目标的像素区域进行显式标记。
笛卡尔表面速度通道则结合弹道模型补偿通信时延后,将动态障碍物在三维空间中的速度矢量映射至对应动态像素区域,静态环境区域统一置零。
显式引入笛卡尔表面速度通道具有明确的物理意义。在离散时序扫描中,侧向快速穿行的物体在瞬态深度切片上与薄壁立柱等静态障碍物具有相似的几何特征。如果输入端仅依赖距离或二维掩码,网络难以仅凭瞬时几何轮廓断定横向逼近趋势,往往导致规避动作滞后。显式的表面速度通道直接将相对运动矢量输入网络,使策略能够在威胁进入视场的早期阶段主动生成横向逃逸动作。

图3|系统整体架构:
由离线物理监督蒸馏与在线轻量化推理执行两部分构成。离线阶段利用非对称动态风险场训练双分支圆周卷积网络;在线阶段将多通道全向感知张量映射为固定候选图元的风险评估与多项式轨迹生成,全程无在线数值优化循环。

为给离线网络训练提供连续稳定的监督信号,研究构建了速度对齐的因果非对称动态风险场,改进了传统势场的固有缺陷。在空间分布上,系统沿障碍物运动方向拉伸度量空间,使横向范围匹配物体实际轮廓,纵向范围随运动速度动态延伸,形成随障碍物速度变化的动态安全缓冲区域。
更关键的设计在于引入了因果门控机制。通过将相对速度矢量投影至场梯度方向,当障碍物相对逼近时,风险值被单调放大;而当障碍物越过无人机并开始远离时,对应区域的风险值迅速平滑衰减至零。
该机制有效消除了传统对称势场在已脱离威胁后方残留虚假阻力所引发的规避死锁现象。在此基础上,系统在规划时域内沿候选轨迹对动态风险进行连续累加,通过有向路径积分将高维时空交互浓缩为各候选轨迹的单一标量代价值,作为神经网络的平滑回归目标。

图4|速度对齐的因果非对称动态风险场:
动态障碍物移动诱发的水平面风险场分布。候选图元按沿线累积的动态代价着色,靠近迎面威胁的路径受到显著惩罚,而背向运动区的风险迅速衰减,引导无人机选择安全的逃逸路径。

系统在机体局部坐标系中构建了均匀覆盖全方位的全向锚点晶格,离散出固定数量的候选机动方向,各候选轨迹均参数化为平滑的高阶多项式图元。网络采用双分支圆周卷积结构提取特征,静态分支处理测距全景通道以提取环境轮廓与通行前沿,动态分支处理掩码与表面速度通道以解析空间动态矢量场,并在方位角维度应用圆周填充,保证展开接缝处的特征空间连续性。
为防止动态障碍物的微小扰动引起输出轨迹剧烈的几何跳变,网络对预测头实施了严格的功能解耦。静态头根据环境几何特征自适应调整多项式图元的终点边界状态与静态通过成本,而动态头仅对静态头已确定的候选轨迹评估其动态风险代价值,不改变任何多项式几何参数。该机制从结构上抑制了连续重规划周期的轨迹抖动。
在线阶段,决策模块对各图元的综合代价进行标量加权排序,直接选取最优图元并闭式恢复轨迹系数,交由高频几何控制器稳定跟踪。

图5|非凸-C5飞行机器人实机效果展示(2)

基于定制四旋翼无人机(非凸-C5)与板载嵌入式计算平台的实测结果表明,该方法在计算效率与避障鲁棒性上均表现出明显优势。在算力扩展测试中,随着场景中并发动态障碍物数量逐步增加,传统数值优化基线方法的重规划耗时急剧上升,长尾延迟明显加剧,频繁发生控制超时;而本文方法得益于固定维度的网络前向评估与闭式解算,在不同障碍物数量下均维持在极低的恒定耗时,完全消除了计算逾期现象。
在高相向速度与密集动态物体的测试中,基线方法由于决策延迟上升导致有效反应空间严重受限,避障成功率发生大幅下跌。本文方法保持了高度稳定的超低全链路时延,在多种高危工况下均维持了充足的安全裕度与极高的避让成功率。
在针对真实环境的实体迁移验证中,面对未经训练的网球、低反射率海绵球及毛绒玩具等实体投掷物,无人机非凸-C5在连续多波次的投掷测试中均自主执行了果断的规避动作。即使面对弱反射率物体导致的检测滞后与短暂追踪丢失,系统依靠预设的安全包络与抗噪设计,依然平稳维持了安全的物理净空。

图6|室内多障碍物连续规避试验:
包含无人机(非凸-C5)连续应对多个时序抛掷实体物体的空间运动轨迹,以及规避过程中无人机对各障碍物的距离曲线,全程平稳维持在安全阈值之上。

消融实验进一步验证了各核心设计的必要性。在输入通道维度上,相较于仅包含深度的输入,引入动态掩码能在一定程度上提升迎面避障表现,但面对侧向穿越威胁依然容易因反应滞后而发生碰撞;只有加入笛卡尔表面速度通道后,网络才能迅速识别横向切入趋势,大幅提升侧向穿越工况下的规避能力。
在势场机理方面,若采用传统的对称势场,系统无法区分迎面威胁与已离开的物体,无人机容易在障碍物掠过后陷入无谓的规避死锁,显著增加次生碰撞概率;引入因果门控后,远离轨迹的惩罚被迅速平息,保证了路径选择的连贯性。此外,若剥离时域动态外推预测,系统在高速相向交汇时对碰撞风险的分辨能力明显减弱,证实了前瞻性时空路径积分对动态决策的关键支撑作用。

图7|非凸-C5飞行机器人实机效果展示(3)

四旋翼无人机非凸-C5的高速动态避障表明,在高动态极限物理场景中,决策系统的确定性时延保障比追求复杂的非凸局部极值更为关键。
该研究通过紧凑多通道全向张量、因果非对称风险建模与离线神经网络蒸馏的技术路径,将非凸、时变的时空碰撞安全评估重构为固定维度的特征前向查询与代数闭式计算。这种将在线复杂数值优化转化为离线先验提炼的设计思想,在严密保障运动可行性与安全裕度的同时消除了计算时延瓶颈,为高动态自主机器人系统的实时安全决策提供了具备工程落地价值的全新参考方案。

图8|非凸-C5飞行机器人实机效果展示(4)
原文链接(点击左下角“阅读原文”):
https://arxiv.org/abs/2609.18191
作者介绍
作者:何怡凡,同济大学自动化专业本科生,研究兴趣是学习型运动规划、多模态时空感知、具身智能与仿真迁移
邮箱:van20031101@icloud.com

END

获取更多内容 请关注公众号



