拖輪運動(dòng)規劃技術(shù)研究現狀及關(guān)鍵技術(shù)

根據中國船級社《智能船舶規范》（2024）描述，智能船舶要實(shí)現八大功能，分別為智能航行、智能船體、智能機艙、智能能效管理、智能貨物管理、智能集成平臺、遠程控制船舶和自主操作船舶。其中智能航行是當下研究的熱點(diǎn)問(wèn)題也是難點(diǎn)問(wèn)題，受到廣泛關(guān)注。智能航行系指利用先進(jìn)感知技術(shù)和傳感信息融合技術(shù)等獲取和感知船舶航行所需的狀態(tài)信息，并通過(guò)計算機技術(shù)、控制技術(shù)進(jìn)行分析和處理，為船舶航行提供航速和航路優(yōu)化的決策建議。在可行時(shí)，船舶能夠在開(kāi)闊水域、狹窄水道、進(jìn)出港口、靠離碼頭等不同航行場(chǎng)景和復雜環(huán)境條件下實(shí)現船舶的自主航行。智能航行要求實(shí)現兩個(gè)基本功能即航路優(yōu)化與航速優(yōu)化。航路優(yōu)化可以納入路徑規劃范疇，航速優(yōu)化可以納入軌跡優(yōu)化范疇。二者合二為一可以理解為是一個(gè)運動(dòng)規劃問(wèn)題。因此，要想實(shí)現船舶智能航行，就要必須開(kāi)展船舶運動(dòng)規劃技術(shù)的研究。

拖輪又被稱(chēng)作拖船，在港口作業(yè)的拖輪又被稱(chēng)為港作拖輪，本文僅討論港作拖輪。相比于一般船舶，拖輪更容易開(kāi)展運動(dòng)規劃技術(shù)的研究，原因在于：它體積小，速度快 、操縱靈活，更有利于運動(dòng)規劃算法的遷移和部署；構造堅固、穩性好，利于后續開(kāi)展實(shí)船測試驗證；作業(yè)區域相對固定、通訊環(huán)境穩定；無(wú)需遵守國際避碰規則，避免了規則難以量化的問(wèn)題。因此，拖輪是船舶中理想的試驗測試對象，有利于開(kāi)展運動(dòng)規劃技術(shù)的研究，從而率先實(shí)現智能航行。

運動(dòng)規劃技術(shù)研究現狀

運動(dòng)規劃技術(shù)起到了自主生成船舶航行軌跡的作用。該軌跡既要滿(mǎn)足避碰和節約能耗，又要兼顧船舶本身的運動(dòng)學(xué)與動(dòng)力學(xué)特性。因此運動(dòng)規劃問(wèn)題可以劃分為路徑規劃和軌跡優(yōu)化兩個(gè)子問(wèn)題，路徑規劃的核心是避碰，同時(shí)找到最短路徑，降低能耗；軌跡優(yōu)化的核心是運動(dòng)學(xué)與動(dòng)力學(xué)約束，同時(shí)兼顧路徑平滑。二者兼顧，從而生成滿(mǎn)足船舶各項約束的可行性軌跡。

1、路徑規劃研究現狀

路徑規劃算法最初源自計算機和機器人領(lǐng)域的最短路徑搜索問(wèn)題，隨后慢慢擴散到工業(yè)界。目前，主要的路徑規劃算法大致可分為基于圖搜索的算法、隨機采樣的算法等。

基于圖搜索算法的基本思想是先利用柵格將自由空間轉化為柵格地圖，然后在柵格地圖中搜索符合任務(wù)要求的路徑。常用的圖搜索算法有Dijkstra算法，該算法可以在柵格地圖中找到從任意起點(diǎn)到目標節點(diǎn)的最短無(wú)碰撞路徑，但該算法隨著(zhù)圖中節點(diǎn)數目增大計算量顯著(zhù)增加，為彌補這一缺陷，A*算法被提出，該算法在Dijkstra算法的基礎上引入了啟發(fā)式函數，將每個(gè)節點(diǎn)到終點(diǎn)的估計距離作為啟發(fā)值，通過(guò)比較每個(gè)柵格中累計代價(jià)與估計距離的總和來(lái)進(jìn)行搜索。該算法大幅減少了無(wú)用的搜索，極大地提高了搜索效率，同時(shí)保證路徑是全局最優(yōu),被廣泛應用于最短路徑搜索問(wèn)題。但A*算法只能用在靜態(tài)環(huán)境中搜索路徑，其搜索出的最短路徑也只是柵格意義上的最短路徑，很難直接應用于實(shí)際場(chǎng)景。因此，后續對A*算法的改進(jìn)主要從動(dòng)態(tài)性和路徑質(zhì)量?jì)蓚�(gè)方向入手。

Lifelong Planning A*可通過(guò)推理規劃的方式，對上一次的路徑搜索結果進(jìn)行信息再利用來(lái)應對環(huán)境變化，從而有效減少了搜索范圍和時(shí)間，但環(huán)境的變化只能在兩次規劃之間的間隙中，如果規劃期間環(huán)境一直在變化，Lifelong Planning A*將會(huì )變得不再適用。

D*算法又被稱(chēng)作動(dòng)態(tài)A*算法，該算法在初次規劃時(shí)就儲存了網(wǎng)格中目標點(diǎn)到各個(gè)節點(diǎn)的最短路徑，在后續環(huán)境變化比如遇到動(dòng)態(tài)障礙物時(shí)，可通過(guò)對內部局部地圖的更新進(jìn)行在線(xiàn)重規劃，在保證效率的同時(shí)可以很好地應對連續的環(huán)境變化。

Field D*算法在能保證動(dòng)態(tài)性的基礎上，通過(guò)插值的方法對柵格上兩節點(diǎn)間的路徑代價(jià)值進(jìn)行線(xiàn)性插值來(lái)近似邊上虛擬節點(diǎn)的路徑代價(jià)值，從而使得路徑節點(diǎn)突破柵格八鄰域搜索限制，可朝任意角度搜索。Theta*算法在此基礎上更進(jìn)一步，將當前節點(diǎn)的父節點(diǎn)只允許鄰近節點(diǎn)擴展到任意節點(diǎn)，然后評估當前節點(diǎn)的鄰接節點(diǎn)和父節點(diǎn)是否視線(xiàn)上可達到連續空間上的最短路徑，來(lái)實(shí)現路徑上的平滑，使得路徑更貼近現實(shí)。

表1 基于圖搜索的路徑規劃算法比較

表2 基于隨機采樣的路徑規劃算法比較

基于隨機采樣的算法的基本思想是在構型空間中隨機生成一系列點(diǎn)，并篩選滿(mǎn)足任務(wù)需求的樣本序列點(diǎn)作為規劃結果。比較典型的采樣算法有RRT算法、PRM算法等。相較于圖搜索算法，基于隨機采樣的算法具有概率完備性，只要可行路徑存在，就一定能找到。但由于隨機采樣的緣故，該方法在搜索過(guò)程具有盲目性，造成時(shí)間上的浪費，同時(shí)生成的路徑永遠都是次優(yōu)的，這一點(diǎn)已在數學(xué)上得到證明。

為解決上述問(wèn)題，一些在RRT算法基礎上的改進(jìn)算法被陸續提了出來(lái)。RRT*算法是在RRT算法的基礎上，通過(guò)重新選擇父節點(diǎn)和重布線(xiàn)操作來(lái)迭代逼近最優(yōu)的可行路徑，但仍無(wú)法解決求解效率低的問(wèn)題。RRT-connect是從起點(diǎn)和終點(diǎn)同時(shí)開(kāi)始向中間搜索路徑，能夠顯著(zhù)提高路徑搜索效率，減少采樣次數，但無(wú)法解決次優(yōu)性。Informed RRT*算法在RRT*算法的基礎上通過(guò)將采樣范圍局限到一個(gè)橢球之中，并不斷迭代縮小橢球的范圍以提高路徑收斂于最優(yōu)路徑的速度，在得到最優(yōu)路徑的同時(shí)大大提高了搜索效率。Anytime-RRT*(實(shí)時(shí)RRT*算法)是在機器人運動(dòng)的過(guò)程中不斷地更新路徑，在適應機器人運動(dòng)過(guò)程中環(huán)境變化的同時(shí)保持最優(yōu)的搜索路徑。動(dòng)態(tài)規劃算法則是通過(guò)將復雜問(wèn)題分解為多個(gè)子問(wèn)題求解來(lái)提高效率，然后依次計算出每個(gè)子問(wèn)題的最優(yōu)解來(lái)推出復雜問(wèn)題的最優(yōu)解。

綜上所述，無(wú)論是基于搜索的算法還是基于采樣的算法，都能夠保證避碰，同時(shí)盡可能兼顧最優(yōu)。但這些算法并沒(méi)有跳出路徑規劃算法的局限性，比如將機器人看成一個(gè)質(zhì)點(diǎn)而不考慮實(shí)際形狀以及動(dòng)力學(xué)、所有的障礙都是靜態(tài)已知的。但實(shí)際港區水域環(huán)境復雜，且動(dòng)態(tài)性較強，周?chē)�環(huán)境時(shí)刻處于變化之中，同時(shí)拖輪的行駛速度較快，對算法的求解效率有較高的要求。因此僅僅采用單一路徑規劃算法并不能滿(mǎn)足拖輪實(shí)時(shí)運動(dòng)規劃的需求，亟需對現有路徑進(jìn)一步軌跡優(yōu)化。

表3 軌跡優(yōu)化算法比較

2、軌跡優(yōu)化研究現狀

軌跡優(yōu)化是在路徑規劃基礎上再優(yōu)化。目前對路徑進(jìn)行優(yōu)化有兩種思路，一是對路徑規劃算法本身進(jìn)行改進(jìn)，比如在傳統路徑規劃算法的基礎上引入運動(dòng)學(xué)約束，從而提高路徑的質(zhì)量和可執行性。典型的有Hybrid A*算法，該算法依據機器人的最小轉彎半徑為節點(diǎn)擴展方向施加運動(dòng)學(xué)約束，是A*算法從柵格空間跨向連續狀態(tài)空間的一步，有效彌補了A*算法在運動(dòng)學(xué)方面的缺點(diǎn)。與之類(lèi)似的還有Kinodynamic RRT*算法，該方法在RRT*算法的基礎上引入系統運動(dòng)學(xué)，將連接當前節點(diǎn)與附近節點(diǎn)的直線(xiàn)改成對一個(gè)兩點(diǎn)邊界值BVP問(wèn)題(最好是OBVP問(wèn)題)的求解，在求解過(guò)程中加入系統運動(dòng)學(xué)約束條件，從而滿(mǎn)足機器人運動(dòng)學(xué)約束的路徑。動(dòng)態(tài)窗口法(DWA)則采用類(lèi)似動(dòng)態(tài)規劃的思想，首先將起點(diǎn)到終點(diǎn)的多步問(wèn)題拆分成一系列子問(wèn)題，然后對每個(gè)子問(wèn)題，根據機器人當前的狀態(tài)，對滿(mǎn)足機器人動(dòng)力學(xué)約束的速度和角速度進(jìn)行采樣，得到一系列的候選軌跡簇，然后從采樣的候選解中求取代價(jià)最低的作為當前最優(yōu)解�？傮w來(lái)說(shuō)，直接在路徑規劃算法本身改進(jìn)的方法，工程量小，計算效率快。但是該類(lèi)方法都存在共同的缺點(diǎn)，即只片面考慮了運動(dòng)學(xué)或動(dòng)力學(xué)約束，同時(shí)沒(méi)有考慮時(shí)間維度，不具備動(dòng)態(tài)性，但真實(shí)的動(dòng)態(tài)環(huán)境需要根據具體場(chǎng)景考慮更多約束。因此該方法不能充分利用拖輪的機動(dòng)能力，生成軌跡的最優(yōu)性也將受到損失。

二是采取分而治之策略，即將規劃和優(yōu)化分開(kāi)。前端進(jìn)行路徑規劃，然后在后端專(zhuān)門(mén)進(jìn)行軌跡優(yōu)化。典型的有時(shí)空A*算法，該算法首先在前端采用A*算法搜索最優(yōu)軌跡，然后在后端考慮各類(lèi)約束，如平滑性約束、動(dòng)力學(xué)約束等，對軌跡進(jìn)行局部平滑和調整，在此基礎上，時(shí)空A*算法還增加時(shí)間維度，與空間一起構成時(shí)空狀態(tài)空間，使得算法能夠對軌跡點(diǎn)上的速度進(jìn)行優(yōu)化，從而可以從路徑及速度兩方面同時(shí)更好地處理動(dòng)態(tài)障礙物。此外還有時(shí)空Hybrid A*算法，首先在前端使用改進(jìn)Hybrid A*在時(shí)空范圍內進(jìn)行軌跡粗搜索獲得初始軌跡，然后以初始軌跡為參考構建可行駛的時(shí)空走廊，并在后端綜合考慮動(dòng)力學(xué)和軌跡連續性約束等條件，使用數值優(yōu)化的方法進(jìn)一步平滑初始軌跡。該類(lèi)方法計算效率高、約束完備，可以很好地處理動(dòng)態(tài)障礙物問(wèn)題。

拖輪運動(dòng)規劃面臨的問(wèn)題

1、運動(dòng)模型構建不合理

拖輪的運動(dòng)是一個(gè)復雜的過(guò)程，受多變量耦合、多因素干擾、復雜流體動(dòng)力學(xué)、隨機不確定性等方面的共同作用。其運動(dòng)過(guò)程中模型的合理構建是目前拖輪運動(dòng)規劃所要解決的關(guān)鍵問(wèn)題。如果模型過(guò)度簡(jiǎn)化，則后續生成的軌跡可能超出拖輪航行能力范圍，如果模型過(guò)分保守，則會(huì )限制拖輪的運動(dòng)潛力，進(jìn)而損害后續運動(dòng)規劃算法的泛化求解能力。

2、環(huán)境信息感知不全面

對港區立體區域實(shí)時(shí)而全面的信息感知是求解運動(dòng)規劃問(wèn)題成功與否的前提。相較于近海、內河，港區水域面臨的周?chē)�環(huán)境更加復雜，需要考慮水面和水下各種對船舶有航行風(fēng)險的目標信息，諸如來(lái)往船舶、航道航標、水面建筑物、違規漁船等。目前船載主流感知設備如AIS、雷達、全球衛星導航系統等存在信號種類(lèi)較多、數據量大、對小型動(dòng)態(tài)目標的檢測能力不足等問(wèn)題，難以為后續運動(dòng)規劃提供實(shí)時(shí)全面的信息。

3、規劃環(huán)節考慮不充分

目前船舶領(lǐng)域規劃研究大都是靜態(tài)場(chǎng)景的規劃，動(dòng)態(tài)場(chǎng)景的運動(dòng)規劃問(wèn)題還很少涉及，同時(shí)規劃領(lǐng)域的研究重點(diǎn)放在了路徑質(zhì)量上，而不考慮實(shí)際航行情況，將負擔推卸至控制執行環(huán)節。比如一些運動(dòng)規劃算法輸出形式只有路徑點(diǎn)，為實(shí)現路徑的跟蹤，控制執行環(huán)節還需要對路徑進(jìn)行配速。在運動(dòng)任務(wù)苛刻時(shí)，配速過(guò)程遠比路徑規劃過(guò)程困難，而控制執行環(huán)節的計算資源有限，無(wú)法承擔如此艱巨的求解負擔，這將導致最終的行駛行為質(zhì)量不高，還有可能發(fā)生碰撞、求解死鎖等問(wèn)題。

4、未兼顧運動(dòng)規劃的效率與質(zhì)量

由于拖輪的主要航行場(chǎng)景是迎接、伴隨大船，保障計算速度是拖輪運動(dòng)規劃環(huán)節的基本要求，為保障計算速度，運動(dòng)規劃算法不得不在一定程度上犧牲求解質(zhì)量。這種做法雖然是可取的，但片面追求計算速度而忽視求解質(zhì)量的做法普遍存在。當場(chǎng)景任務(wù)較為簡(jiǎn)單時(shí)，這樣做的弊端并未顯現，但應用在拖輪迎接大船的動(dòng)態(tài)復雜場(chǎng)景時(shí)，這種做法會(huì )因為求解質(zhì)量低下而無(wú)法適用。

5、多拖輪協(xié)同運動(dòng)規劃研究不深入

一般來(lái)說(shuō)，為不同長(cháng)度的船舶，引航所使用的拖輪數量是不一樣的。以上海洋山港水域引航使用拖輪艘數配備標準為例，引航140米以下的船舶靠泊需要1艘拖輪，引航140米以上且300米以下的船舶靠泊需要2艘拖輪，引航300米以上的船舶靠泊則需要3艘拖輪。鑒于船舶大型化和無(wú)人化的趨勢，未來(lái)將需要越來(lái)越多的拖輪來(lái)協(xié)助這些大型船舶進(jìn)行靠泊作業(yè)。然而，多拖輪的協(xié)同運動(dòng)規劃目前仍是一個(gè)尚未探索的領(lǐng)域，拖輪避碰外界障礙物、拖輪之間的路徑?jīng)_突問(wèn)題需要仔細考慮。

拖輪運動(dòng)規劃關(guān)鍵技術(shù)

1、拖輪操縱運動(dòng)建模技術(shù)

創(chuàng )建精確且可靠的拖輪運動(dòng)模型是有效分析拖輪操縱性和保障船舶智能航行的關(guān)鍵。常用的船舶運動(dòng)建模方法包括經(jīng)驗法、試驗法、計算流體動(dòng)力學(xué)數值法、參數辨識法。其中參數辨識法簡(jiǎn)潔高效、易于操作，并能夠實(shí)現在線(xiàn)建模等優(yōu)點(diǎn)，逐步成為船舶運動(dòng)建模的重要研究方法。但該方法也存在辨識數據質(zhì)量差、魯棒性不足、復雜場(chǎng)景下辨識受限等缺陷，因此注重辨識數據的獲取處理、研究具有自適應性、可擴展性、魯棒性的參數辨識算法是未來(lái)拖輪運動(dòng)建模技術(shù)的趨勢。

2、拖輪環(huán)境動(dòng)態(tài)信息感知技術(shù)

對港區立體區域實(shí)時(shí)而全面的信息搜集是求解運動(dòng)規劃問(wèn)題成功與否的前提。由于船載主流感知設備如雷達、全球衛星導航系統等存在對小型動(dòng)態(tài)目標的檢測能力不足的缺陷，難以為后續運動(dòng)規劃提供實(shí)時(shí)全面的信息，基于激光雷達、毫米波雷達、攝像頭等多傳感器融合的感知技術(shù)是目前自動(dòng)駕駛汽車(chē)領(lǐng)域應用最廣泛的感知方案，激光雷達是新興的感知設備，其測距精度高、響應速度快，對近距離障礙物的檢測能力十分優(yōu)秀，是目前自動(dòng)駕駛領(lǐng)域主流的感知設備，但激光雷達工作時(shí)受天氣和大氣影響大，不能全天候工作。毫米波雷達在這方面可以很好地彌補激光雷達的缺陷，相比于激光雷達，毫米波雷達的環(huán)境適應性強，可全天候、全天時(shí)工作，不受天氣狀況限制。無(wú)論激光雷達還是毫米波雷達，其本質(zhì)都是通過(guò)雷達反射波探知物體的存在，并不能識別具體物體上的交通標識或文字，比如航道標志、港口標志以及船舶的號燈號型等，攝像頭可以起到對交通標識識別的作用，通過(guò)對船舶航行信號燈的燈光顏色和狀態(tài)的識別可以判斷船舶的航行狀態(tài)，為后續運動(dòng)規劃提供先驗決策。因此，通過(guò)對三種設備的取長(cháng)補短、有機組合，同時(shí)借助拖輪體積小，搭載成本低的優(yōu)勢，將是未來(lái)拖輪感知技術(shù)很好的發(fā)展趨勢。

3、前端搜索、后端優(yōu)化的時(shí)空聯(lián)合規劃技術(shù)

從上述各類(lèi)規劃算法綜述可知，每種規劃算法都有各自的優(yōu)點(diǎn)與缺點(diǎn)，這些方法在解決實(shí)際問(wèn)題時(shí)往往并非獨立使用，而是通過(guò)互相“取長(cháng)補短”，充分利用各種算法的優(yōu)點(diǎn)來(lái)完成運動(dòng)規劃任務(wù)。即采取分階段規劃策略，在前端搜索軌跡、在后端優(yōu)化軌跡。在前端主要考慮避碰和能效，基于圖搜索算法的運行速度較快且實(shí)施簡(jiǎn)單，符合拖輪船載設備計算資源有限以及對于實(shí)時(shí)性要求較高的情況。在后端基于拖輪特性和周?chē)鷱碗s場(chǎng)景，施加各類(lèi)約束，如船舶的動(dòng)力學(xué)約束、位姿約束、加速度約束、連續性約束等。同時(shí)，考慮時(shí)間這一維度，為各個(gè)路徑點(diǎn)間分配時(shí)間并配置速度，注重計算效率的提升，最終運動(dòng)規劃輸出的結果由路徑上各軌跡點(diǎn)和速度組成。

4、多拖輪協(xié)同運動(dòng)規劃技術(shù)

多拖輪協(xié)同運動(dòng)規劃存在復雜的交互和動(dòng)態(tài)障礙物避碰的問(wèn)題，需要從感知到行為決策全交互協(xié)同的角度開(kāi)展多拖輪協(xié)同運動(dòng)規劃的研究，可利用全局路徑規劃算法與局部運動(dòng)規劃算法相結合的思路，根據頂推點(diǎn)不同為多艘拖輪分配全局路徑，并根據迭代優(yōu)化的思想，在航行途中不斷評估環(huán)境信息,實(shí)時(shí)調整多拖輪局部避碰路徑。展望未來(lái)，船舶智能化時(shí)代已然來(lái)臨，在船舶智能化的浪潮下，拖輪的智能化進(jìn)程也在不斷加快，運動(dòng)規劃技術(shù)作為拖輪實(shí)現智能航行的標志，是拖輪邁向智能化的重要一步。但目前拖輪運動(dòng)規劃技術(shù)還有許多難點(diǎn)問(wèn)題需要解決，在未來(lái)還需要深入研究，注重理論與實(shí)踐相結合，實(shí)現關(guān)鍵技術(shù)突破，加快實(shí)船的測試驗證。相信在不遠的將來(lái)，拖輪的運動(dòng)規劃技術(shù)會(huì )迎來(lái)新的發(fā)展。

作者：武漢理工大學(xué) 劉佳侖 劉嘉元 李詩(shī)杰

中國船級社 馬吉林