自适应路径规划算法

动态避障成功率94%

该算法采用层次化规划架构与非参数不确定性建模，在高密度动态环境中显著提升多机器人路径规划的成功率与效率。

Jin, Jianzhi · 吴谋 · Fan, Ping · Guonian, Jin

Journal of King Saud University - Computer and Information Sciences 2025

参数信息

避障成功率

94 %

平均寻路时间降低

35 %

技术优势

动态环境成功率更高

高密度动态环境下成功率高达94%，而ALAN仅有52%，显著提升了复杂场景中的可靠性。

寻路速度更快

相比PRIMAL平均寻路时间缩短35%，提高了多机器人系统的任务执行效率。

无需环境先验假设

采用KDE对奖励分布建模，不假设高斯分布等参数形式，能更好地适应不可预测的障碍模式。

应用场景

• 多机器人协同：为多机器人系统提供高成功率、低延时的协同路径规划，替代传统规则型方法。
• 实时决策与控制：通过层次化规划与自适应探索实现快速避障决策，无需离线训练。
• 动态环境路径规划：在障碍物运动模式不可预测的场景下仍能保持高成功率，无需对环境建模。
• 无人机集群避障：适用于无人机集群在密集动态环境中的实时避障，避免碰撞同时保持队形。