2023年IEEE ITSM，基于改进A*与DWA算法的无人艇自主避碰

1.摘要

针对复杂海况及COLREGs避碰规则要求，本文提出一种融合改进A* 算法与DQN动态窗口法（IDWA）无人艇自主导航算法，该算法能有效避开动静态障碍物并防止陷入局部最优，实验证实其在多艇、多目标场景下兼具高效性与安全性，为自主航行提供了新思路。

2.改进A*算法

两阶段路径优化在航路点周围设置浅红色危险区以确保安全距离；采用双重剪枝法剔除冗余航路点。

第一阶段若两点间无障碍则直接连线简化路径；第二阶段若连线入侵危险区，则向前回溯迭代连接第m − 1 m-1m−1或m − 2 m-2m−2个像元，直至避开危险区，从而在保障安全的前提下缩短航程、减少转折。

3.无人艇路径规划与自主避碰

采用Nomoto三自由度模型及船舶参数评估无人艇（USV）运动轨迹，其运动特性及短时间间隔Δ t \Delta tΔt内的坐标推算公式如下：
{ ψ ˙ = r r ˙ = 1 T ( K δ − r ) δ ˙ = 1 T E ( δ d − δ ) \begin{cases} \dot{\psi} = r \\ \dot{r} = \frac{1}{T}(K\delta - r) \\ \dot{\delta} = \frac{1}{T_E}(\delta_d - \delta) \end{cases}⎩⎨⎧​ψ˙​=rr˙=T1​(Kδ−r)δ˙=TE​1​(δd​−δ)​
{ x ( t + 1 ) = x ( t ) + [ u vessel cos ⁡ ψ ( t ) − v vessel sin ⁡ ψ ( t ) ] Δ t y ( t + 1 ) = y ( t ) + [ u vessel sin ⁡ ψ ( t ) + v vessel cos ⁡ ψ ( t ) ] Δ t ψ ( t + 1 ) = ψ ( t ) + r ( t ) Δ t \begin{cases} x(t+1) = x(t) + [u_{\text{vessel}} \cos\psi(t) - v_{\text{vessel}} \sin\psi(t)]\Delta t \\ y(t+1) = y(t) + [u_{\text{vessel}} \sin\psi(t) + v_{\text{vessel}} \cos\psi(t)]\Delta t \\ \psi(t+1) = \psi(t) + r(t)\Delta t \end{cases}⎩⎨⎧​x(t+1)=x(t)+[uvessel​cosψ(t)−vvessel​sinψ(t)]Δty(t+1)=y(t)+[uvessel​sinψ(t)+vvessel​cosψ(t)]Δtψ(t+1)=ψ(t)+r(t)Δt​
结合最近会合距离（DCPA）和最近会合时间（TCPA）评估碰撞风险，当满足下式时判定存在碰撞危险并触发避碰：
( DCPA X d ) 2 + ( TCPA X t ) 2 ≤ 1 \left(\frac{\text{DCPA}}{X_d}\right)^2 + \left(\frac{\text{TCPA}}{X_t}\right)^2 \leq 1(Xd​DCPA​)2+(Xt​TCPA​)2≤1

4.IDWA算法

结合 COLREGs 规则的速度空间剪枝

IDWA 根据本船（OS）与目标船（TS）的相对方位，将相遇态势划分为对遇、左舷交叉、右舷交叉和追越四种场景。

基于 DQN 的评价函数权重自适应训练

针对传统 DWA 权重系数人工调参困难的问题，引入DQN，其状态输入包括本船速度、位置、船长、航向角及期望航向角。

总奖惩函数设计为：

R r e w a r d = r 1 + r 2 + r 3 + r 4 R_{\mathrm{reward}}=r_1+r_2+r_3+r_4Rreward​=r1​+r2​+r3​+r4​

5.论文结果

6.参考文献

Guan W, Wang K. Autonomous collision avoidance of unmanned surface vehicles based on improved A-star and dynamic window approach algorithms[J]. IEEE Intelligent Transportation Systems Magazine, 2023, 15(3): 36-50.

7.算法辅导·应用定制·读者交流

xx