• 作者：Yuman Gao, Ruibin Zhang, Tiancheng Lai, Yanjun Cao, Chao Xu, Fei Gao
• 单位：${}^1$浙江大学控制科学与工程学院网络空间安全研究院，${}^2$浙江大学湖州研究院
• 论文标题：Autonomous Exploration with Terrestrial-Aerial Bimodal Vehicles
• 论文链接：https://arxiv.org/pdf/2507.21338v1

主要贡献

• 提出了分层探索框架：为陆地-空中双模态车辆（TABV）设计，包含基于两种覆盖策略的双模态视点生成模块，以及充分利用机器人双模态运动能力的能量和时间感知决策机制。
• 提出了自适应双模态蒙特卡洛树搜索（BM-MCTS）方法：用于在能量和时间约束下进行信息驱动的探索，能够灵活地选择模态和视点。
• 将探索规划器与增强的双模态运动规划器相结合：具备地形感知和模态感知规划功能，形成完整的自主TABV系统，并在真实平台上进行了部署。

研究背景

• 自主探索在学术界和工业界都受到越来越多的关注，其应用包括搜索和救援、工程测量和隧道检查等。然而，移动机器人的运动学特性限制了探索性能。虽然空中机器人具有高机动性和宽广的视野，但其续航时间远低于地面机器人，限制了其在大规模和长期探索中的应用。而地面机器人，尤其是轮式车辆，在复杂崎岖的地形中导航面临挑战，限制了探索范围。
• 为了解决这些问题，提出了由无人机（UAV）和无人地面车辆（UGV）组成的协同空中-地面探索系统，但这些系统引入了多机器人SLAM、规划和协调等问题，大大增加了问题的复杂性。
• 为了克服上述问题，本研究提出了一种利用陆地-空中双模态车辆（TABV）的分层探索框架，将UGV的长续航和UAV的高机动性及宽广视野集成到一个机器人系统中，展现出在探索任务中的巨大潜力。

问题描述与系统概述

问题描述

• 目标：使用陆地-空中双模态车辆（TABV）在给定的能量预算 $E_{all}$ 和时间预算 $T_{all}$ 下探索一个最初未知但有界的3D空间。
• 任务定义：探索任务被定义为选择一系列视点及其相关模态，以最大化对未知空间的感知，同时确保在可用的能量和时间预算内执行。具体来说，需要在满足以下约束条件的情况下最大化信息增益（IG）：
  • 能量约束：执行完所有选定视点并返回出发站后，剩余能量 $E_r(P)$ 必须大于等于0。
  • 时间约束：执行完所有选定视点并返回出发站后，剩余时间 $T_r(P)$ 必须大于等于0。
• 优化问题：将上述约束优化问题转化为无约束优化问题，通过引入基于剩余能量和时间的指数惩罚项来鼓励安全和高效的规划。

系统概述

整个系统分为三个主要部分：

• 探索信息提取：从环境中提取探索信息并生成潜在的视点。
• 双模态蒙特卡洛树搜索：在给定的能量和时间预算下，确定视点的遍历顺序。
• 双模态运动规划：生成双模态轨迹，控制TABV执行探索任务。

探索信息提取

双模态视点生成

• 定义前沿：前沿被定义为与未知空间相邻的自由体素。随着机器人的移动，新的前沿会出现。机器人会迭代地规划视点来覆盖前沿，并随着地图的更新重新规划。
• 生成视点：首先将前沿体素聚类成簇，对于每个前沿簇 $C$，考虑两种生成视点的策略以实现全覆盖：
  • 空中模态策略（AS）：仅使用空中视点覆盖簇 $C$。
  • 混合模态策略（HS）：首先使用地面视点覆盖簇 $C$，如果无法实现全覆盖，则选择额外的空中视点来完成覆盖。
• 采样方法：对于每个前沿簇 $C$，首先采样原始候选地面和空中视点。空中视点通过圆柱坐标采样生成，地面视点从附近的可行驶地面体素中采样，并应用固定的垂直偏移量。
• 视点选择：利用问题的次模性，采用贪婪算法高效地从原始视点中选择能够覆盖前沿簇的视点，分别得到 AS 和 HS 视点集。每个视点定义为 $P_i=(p,\varphi )$，其中 $p$ 是位置，$\varphi$ 是偏航角。视点 $P_i$ 的信息增益（IG）定义为在其视野范围内可见的前沿体素数量。属于同一簇的所有视点组成一个视点组 G={PAS,PHS}G = \{PAS, PHS\}G={PAS,PHS}。

时间与能量成本

• 时间成本：定义两个视点 $P_i$ 和 $P_j$ 之间的时间成本为：
  $$T(P_i,P_j,M)=\max \left(\frac{\text{length}(P_i,P_j)}{v_{M,\text{max}}},\frac{\text{dyaw}(P_i,P_j)}{{\omega }_{M,\text{max}}}\right)$$
  其中，$\text{length}(P_i,P_j)$ 是 $P_i$ 和 $P_j$ 之间的路径长度，$\text{dyaw}(P_i,P_j)$ 是两个视点之间的最小偏航角差异，$v_{M,\text{max}}$ 和 ${\omega }_{M,\text{max}}$ 分别是模态 $M$ 下的最大速度和最大偏航角速度。
• 能量成本：使用简单的恒定功率模型，定义两个视点之间的能量成本为：
  $$E(P_i,P_j,M)=P_M\cdot T(P_i,P_j,M)$$
  其中，$P_M$ 是模态 $M$ 下的平均功率。$M$ 表示模态，M∈{T,A}M \in \{T, A\}M∈{T,A}，其中 $T$ 和 $A$ 分别表示地面模态和空中模态。特别地，将 $M=(T+A)/2$ 表示为平均模态，用于在估计视点组之间的能量和时间成本时计算平均视点的成本。

双模态蒙特卡洛树搜索

树结构和奖励

• 树结构定义：每个树节点 $v$ 对应一个视点 $P$，每条分支确定一个视点遍历序列。每个节点 $v$ 有多个属性，包括 $E_r(v)$ 和 $T_r(v)$，分别表示机器人到达节点 $v$ 对应的视点 $P$ 时估计的剩余能量和时间；$E_r(v)$ 和 $T_r(v)$ 表示机器人到达 $P$、访问完剩余选定视点并返回出发站后的估计剩余能量和时间。
• 节点连接规则：对于视点 $P_i$ 的潜在子节点 $P_j$，需满足以下条件：$P_j$ 未包含在 $P_i$ 的分支中；$P_i$ 和 $P_j$ 之间的距离小于阈值；如果 $P_j$ 所属的视点组已在 $P_i$ 的分支中扩展，则 $P_j$ 应保持相同的采样模式。若无候选 $P_j$ 满足所有条件，则放宽距离条件以允许可行的选择。
• 奖励函数定义：节点 $v$ 的奖励 $R(v)=[Rp(v),Rt(v)]$，其中 $Rp(v)$ 为过程增益，$Rt(v)$ 为终端成本。过程增益与该节点子树中的所有节点相关，而终端成本仅与子树中的叶节点相关。具体公式为：
  $$Rp(v)=\frac{IG(v)}{nIG(v)},Rt(v)={\kappa }_{E_r}(E_r(v))+{\kappa }_{T_r}(T_r(v))$$
  其中，$nIG(v)$ 表示节点 $v$ 的折扣访问次数，在每次回溯步骤中以固定权重 ${\gamma }_{IG}=0.8$ 增加。$IG(v)$ 在回溯过程中从子节点累积折扣信息增益。${\kappa }_{E_r}(x)$ 和 ${\kappa }_{T_r}(x)$ 分别表示基于剩余能量和时间的平均终端成本，使用指数函数定义，具体为：
  $${\kappa }_{E_r}(x)=\exp (-a_1\cdot x/E_{all}+b_1),{\kappa }_{T_r}(x)=\exp (-a_2\cdot x/T_{all}+b_2)$$
  其中，$a_i$ 和 $b_i$ 是预设的超参数。

选择和扩展过程

• 选择过程：从根节点开始，递归选择最优节点，直到到达一个具有未扩展潜在子节点的节点。选择策略遵循上置信界限（UCB）规则，平衡探索和利用。对于节点 $v$ 的每个子节点 $vk$，计算 UCB 分数 $U(vk)$：
  $$U(vk)=G(vk)-\sqrt{\frac{2\ln ns}{n(vk)}}$$
  其中，$G(vk)=-N(Rp(vk))+Rt(vk)$，$n(vk)$ 是 $vk$ 被选择的次数，$ns$ 是 $v$ 的所有子节点被选择的总次数。$N(x)$ 将 $x$ 线性映射到 [ϵ, 1]，其中 ϵ = 0.05 表示最小的归一化增益。选择 UCB 分数最小的子节点。
• 扩展过程：对于选定的节点 $vi$，从其未扩展的潜在子节点中随机选择一个子节点 $vi+1$。更新机器人到达 $vi+1$ 时的剩余能量 $E_r(vi+1)$：
  $$E_r(vi+1)=E_r(vi)-E(Pi,Pi+1,M(Pi+1))$$
  其中，$E(Pi,Pi+1,M(Pi+1))$ 是从 $Pi$ 到 $Pi+1$ 的能量消耗，模态由后一个视点决定。

带引导路径的模拟过程

• 模拟过程：更新新扩展节点的奖励，需要评估其 IG、Er 和 Tr。IG 初始化为 $Pi$ 视野范围内可见的前沿体素数量。为了估计遍历所有簇并返回出发站所需的能量和时间，通过求解扩展的分组旅行商问题（TSP）生成引导路径。设计成本矩阵，将出发站 $pH$ 设置为最终目的地。簇之间的成本定义为它们之间的旅行时间，计算公式为 $T(Gi,Gj,(T+A)/2)$。由于在评估过程中节点的确切模态未知，因此设置 $M=(T+A)/2$。
• 路径长度估计：为了高效估计可行路径长度，维护一个全局拓扑图，记录间隔访问的位置，并连接距离阈值内的节点。通过在拓扑图上执行 A⋆ 搜索，获得快速保守的路径长度估计。此外，在视点生成过程中，视点组之间的路径会逐步更新，进一步提高效率。然后执行模拟步骤以更新 Er 和 Tr：
  $$E_r(vi)=E_r(vi)-\sum _{q=i}^{k-1}E(Gq,Gq+1,(T+A)/2)-E(Gk,pH)$$
  其中，$vi$ 对应于 $Gi$ 中的 $Pi$，最后两项表示根据引导路径，机器人从当前视点组到最后一组以及返回出发站的估计能量消耗。

回溯过程

• 将获得的奖励回溯到每个访问过的节点，以更新这些节点的奖励，为下一次选择迭代做准备。
• 由于过程增益 $Rp$ 与同一分支上的所有节点相关，因此采用累积回溯；而终端成本 $Rt$ 仅与分支上的叶节点相关，因此采用平均回溯。

剪枝条件

为了减少搜索空间并提高效率，如果到达节点 $vi$ 后的剩余能量小于从 $vi$ 返回出发站所需的能量，则剪枝该子节点，不再对其进行扩展：
$$E_r(vi)-E(Gi,pH)<0$$
其中，$vi$ 对应于 $Gi$ 中的 $Pi$。

双模态运动规划

分层运动规划框架

• 总体架构：运动规划器遵循标准的分层架构，包括前端的运动原语搜索和后端的空间-时间轨迹优化。
• 前端改进：引入在线地形感知模块，基于3D感知动态识别可行驶表面，使系统能够在复杂、多层环境中生成可行路径，而无需依赖预定义的结构假设。
• 后端改进：引入模态感知规划，根据目标模态选择运动原语。对于空中目标，仅使用空中原语；对于地面目标，使用双模态原语，并对空中运动施加惩罚，以实现必要的模态切换。此外，还集成了双模态偏航规划，并为每个地面段计算欧几里得符号距离场（ESDF），以查询到边缘的距离，确保TABV在边缘附近安全飞行，防止坠落。

关键改进

• 在线地形感知：通过增量地面分割技术，动态识别复杂多层环境中的可行驶表面，无需预定义地面平面假设。
• 模态感知规划：在前端，根据目标模态选择运动原语；在后端，应用模态特定的约束，如非完整动力学约束用于地面段，并集成双模态偏航规划。
• ESDF计算：为每个地面段计算ESDF，提供距离边缘的信息，确保系统在边缘附近安全规划轨迹，防止意外坠落。

完整的自主探索框架

• 通过整合上述改进的双模态运动规划器，建立了一个完整的自主陆地-空中探索框架。该框架能够根据环境和任务需求，灵活地在陆地和空中模态之间切换，实现高效、安全的探索任务。

实验结果

仿真实验

双模态探索两层房屋

• 场景设置：在MineCraft中构建了一个15m×15m×6m的两层房屋，第一层高2m，通过楼梯连接到第二层平台。能量预算为1000，时间预算为600。

• 实验结果：
  • Phase 01：剩余能量和时间充足，信息增益（IG）奖励占优势，TABV切换到空中模态以获取更多信息增益。
  • Phase 02：平台高度仅2m，两种模态下的IG奖励几乎相同。由于Phase 01消耗了大量能量，能量比时间更重要，因此TABV选择地面模态覆盖整个第一层平台。
  • Phase 03：覆盖完所有地面视点后，TABV起飞并降落在第二层，然后滚动覆盖第二层平台以节省能量。
  • Phase 04：只剩下大厅中的空中视点，TABV飞行覆盖它们并返回出发点。
• 结论：通过灵活切换模态，TABV能够在不同阶段根据剩余能量和时间以及信息增益选择最优模态进行探索。

对不同预算的适应性

• 场景设置：在一个40m×16m×2m的类似办公室的区域进行仿真，该区域被一个1m高的隔断墙完全分隔。
• 实验结果：
  • 能量预算较低时：TABV倾向于选择地面模态，因为地面模态的能量消耗较低。
  • 时间预算较低时：TABV更多地使用空中模态，因为空中模态的移动速度更快。
• 结论：BM-MCTS方法能够根据不同的能量和时间预算灵活调整模态选择，以实现高效的探索。

解的质量与迭代次数的关系

• 场景设置：构建了一个单向场景，确保一致的探索方向。
• 实验结果：
  • 随着最大迭代次数的增加，剩余能量和时间变得更加平衡。这是因为随着搜索树的扩展，能量和时间消耗的估计变得更加准确，但计算时间也会增加。
• 结论：BM-MCTS方法能够在给定的迭代次数内提供解决方案，并随着迭代次数的增加提高解决方案的质量。

真实世界实验

• 实验设置：
  • 使用一个定制的TABV平台，重量为1.85kg，配备Livox 360和Jetson Xavier NX。
  • 在地下停车场进行实验，设置20Wh的能量预算和900s的时间预算。
• 实验结果：
  • TABV能够适应飞行跨越不平整的楼梯，并切换到地面模态以低能耗进行探索。
  • 当能量预算用完时，TABV能够安全返回出发点。
  • 实验验证了所提出的系统在真实世界环境中的有效性和适应性，展示了TABV在不同环境和约束条件下的自主探索能力。

结论与未来工作

• 结论：
  • 本研究开发了一个分层方案，使TABV能够在给定的能量和时间预算下进行探索，通过改变模态灵活应对不同的环境和能量/时间约束。
• 未来工作：
  • 将增加环境预测，以实现更准确的能量/时间消耗估计，并计划探索更端到端的学习框架，特别是对于控制和决策，以减少系统复杂性并最小化模块之间的差距，同时计划维护更详细的高程图，并基于地形结构进行可行驶性分析，以提高地面路径规划的可靠性。