据外媒报道，印度理工学院马德拉斯分校（IIT-Madras）的研究人员开发出一系列快速高效的“运动规划”算法。该算法可以像人类一样思考，并使自动驾驶车辆（空中或地面）能够在障碍物杂乱的环境中导航。该研究团队称，这些算法是基于“广义形状扩展（GSE）”新概念开发，能够为自动驾驶汽车规划一条安全且动态可行的路线。
（图片来源：IIT-Madras）
与许多现有先进运动规划算法相比，这些算法已被证实效果更好。研究团队表示，凭借其对“安全”区域的新颖计算，这些算法可在时间敏感的规划场景取得重要进展，特别是自动驾驶汽车、灾难响应、ISR操作、空中无人机交付和行星探索等应用。
该研究由IIT Madras航空航天工程系助理教授Satadal Ghosh领导。研究团队包括IIT Madras校友、得克萨斯大学奥斯汀分校（University of Texas Austin）的博士研究学者Vrushabh Zinage、波兰华沙理工大学（Warsaw University of Technology）的研究生Adhvaith Ramkumar和高盛（Goldman Sachs）分析师Nikhil P。
Zinage表示：“通过计算环境中由大的‘可见’区域组成的‘安全’区域来运行，基于GSE的算法会进行定制以确保适航性。随后，该算法会在‘可见’区域中随机选择一个点，并通过安全‘边缘’将其连接到当前安全可达区域。最终，该算法几乎总是可以连接所有环境中的任意两点，满足了某些基本标准。”
IIT Madras运动规划算法的优势
研究人员解释说，基于GSE的算法的主要优势在于，与其他几种完善的运动规划算法相比，其计算效率显著提高，因此非常适用于规划时间敏感的应用程序中。
从本质上讲，该算法显著提高了环境探索的速度，导致基于GSE的算法只需很少的迭代即可连接初始区域和目标区域。IIT Madras航空航天工程系助理教授Satadal Ghosh在解释‘运动规划’算法的应用时表示：“在灾难管理和响应场景中，配备我们算法的无人机将发挥重要作用。此外，我们基于GSE的算法在自动驾驶应用中也同样具有广阔潜力，例如仓库物料移动、项目调试检查、无人机交付、灾难管理、自动驾驶汽车等。不仅如此，这些算法还可用于在多车辆设置中制定协调运动。”
扫一扫关注微信
