Formation Flight in Dense Environments

* Authors: [[Lun Quan]], [[Longji Yin]], [[Tingrui Zhang]], [[Mingyang Wang]], [[Ruilin Wang]], [[Sheng Zhong]], [[Yanjun Cao]], [[Chao Xu]], [[Fei Gao]]

初读印象

comment:: 现有方法缺乏在密集环境中实现完全自主的大规模编队飞行的能力。本文提出了一种基于可微图的度量来量化编队之间的总体相似性误差。此度量对于旋转，平移和缩放是不变的，为编队协调提供了更大的自由度。设计了一个分布式轨迹优化框架，该框架考虑了编队相似性、避障和动态可行性。为了提高高度受限场景下编队导航的弹性，我们提出了一种群重组方法，该方法通过生成本地导航目标来自适应地调整编队参数和任务分配。在这项工作中，提出了一种新颖的群协议策略，称为全局重新规划和编队级路径规划器，以有效地协调群全局规划和局部轨迹优化。

文章骨架

%%简介%%
introduction:: 三个核心挑战限制了实际编队的应用 :( a) 维护编队的群体与单个机器人避开障碍物之间的冲突是不可避免的，并且难以缓解; (b) 预定义的编队在未知的约束环境的响应中缺乏弹性适应性; © 群系统无法从未知障碍物或所需地层形状突然变化 (称为编队变换) 引起的不利形成状态中快速恢复。
三个标准：便携性；适应性；预测性；弹性；快速恢复

提出了一种基于图论的可微分度量，有效地量化了三维构造之间的相似性误差。通过求解最优编队位置序列来解耦轨迹优化。
设计了一个分布式时空轨迹优化框架，考虑了编队相似性，避障和动态可行性。
提出了一种群体重组方法来实现群体分布的弹性变形，同时解决了最佳编队对准和任务分配问题 (简称ALAS)。
设计了一种群协议方法，该方法由编队级全局路径查找算法和全局重映射局部重规划策略 (简称GRLR) 组成。即使在迷宫图中，生成的全局轨迹也可以容纳障碍物约束并为编队飞行提供安全指导。
%%相关工作（国内外研究现状）%%
related works::

分布式群轨迹规划
a. 基于VO的方法,轨迹不平滑
b. 基于优化的方法,计算量大
自由空间中的编队飞行
受限环境下的编队飞行
%%主要工作%%
main work::
系统概述
a.群体空中机器人系统
自制无人机介绍
b.机载本地化方案
视觉惯性里程计 (VIO)+漂移矫正
c.分布式局部编队轨迹优化
每个机器人通过计算编队相似性误差来评估编队状态，并生成其最佳编队位置序列以保持所需的编队形状。然后，随后的轨迹优化模块生成用于实时导航的时空形成轨迹。
d.群体重组和协议方法
它仅集中重新映射群形成的关键参数，并通过分布式重新规划局部轨迹使群形成快速收敛。