俄羅斯研究人員用來運行模擬實驗的環境

隨著移動機器人變得更加先進，它們也變得更容易部署在廣泛的現實世界環境中。使它們能夠大規模實施的因素之一是它們在不同類型環境中自主移動的能力。

到目前為止，許多移動機器人在導航簡單環境方面取得了可喜的成果，特別是那些有光滑地板或地形的環境。然而，在現實世界中，許多環境，包括工業廠房、一些道路和自然環境，都有不平整的地形，地面上有洞或顛簸，有雜物和其他障礙。

俄羅斯科學院和莫斯科國家研究大學高等經濟學院的研究人員最近開發了一個新的導航系統，可以提高移動機器人在粗糙表面上移動的能力，同時還能避開不同類型的障礙物。在arXiv上預先發表的一篇論文中介紹的這個系統，可以幫助促進機器人在更復雜和雜亂的不平坦地形環境中的部署。

Stepan Dergachev、Kirill Muravyev和Konstantin Yakovlev在他們的論文中寫道："在不平整的地形中安全導航是機器人研究中的一個重要問題。"我們提出了一個2.5D導航系統，它包括建立高程地圖、路徑規劃和帶有避障功能的局部路徑跟蹤。對于局部路徑跟蹤，我們使用模型預測路徑積分（MPPI）控制方法。"

Dergachev和他的同事提出的機器人導航系統是基于MPPI，這是喬治亞理工學院的研究人員在2016年推出的一種優化和糾正非線性路徑的算法。為了研究的目的，該團隊對這一算法進行了調整，使其適用于使用2.5D高程地圖，在地形不平的環境中優化路徑。

Dergachev和他的同事在他們的論文中解釋道："我們使用局部高程地圖作為MPPI算法的輸入。MPPI由該高程圖計算的地形可穿越性值來指導。這些可穿越性值是由斜坡陡度、表面粗糙度和其他參數計算出來的。"

Dergachev和他的同事在模擬環境的一系列測試中評估了他們的導航系統，使用了三種不同的高程地圖。在這些測試中，機器人必須到達一個特定的位置，同時克服或繞過途中的三個不同的障礙，即一個截斷的錐體、一個斜坡和一些坑。

這些測試中使用的模擬環境是用Gazebo模擬器創建的，其特點是有不同的障礙和不平整的地形類型。研究人員使用一個四輪差動驅動機器人的模型測試了他們的系統在這些環境中的有效性。

Dergachev和他的同事們發現，他們的系統在模擬中表現得非常好，機器人幾乎100%地成功繞過了障礙物并在不平坦的地形上航行。然而，為了證實其潛力，該團隊最終還需要在現實世界中使用一個實體機器人對其進行測試。

如果該系統在真實環境中也表現良好，它最終可以被調整并用于進一步的研究。最終，它可以因此促進移動機器人的發展，使其能夠更好地在地形不平的環境中導航。

"在未來，我們計劃通過使用CUDA/OpenCL工具包進行并行計算，創建一個更有效的MPPI算法的實現。"研究人員在他們的論文中總結道："未來工作的另一個領域將是提高MPPI的魯棒性，并使其適應更大類別的動態系統"。