RENEW: Risk- and Energy-Aware Navigation in Dynamic Waterways¶
会议: AAAI 2026 (Oral)
arXiv: 2601.16424
代码: https://github.com/dartmouthrobotics/RENEW.git
领域: 机器人导航 / 路径规划 / 水面自主航行
关键词: ASV, 路径规划, 自适应安全约束, 同伦类, 能量感知, No Go Zone
一句话总结¶
提出 RENEW 全局路径规划器，为水面自主航行器 (ASV) 在动态水流 (洋流) 环境中引入统一的风险感知和能量感知策略，通过自适应不可导航区域识别、最佳努力应急策略和基于约束 Delaunay 三角化的分层架构实现安全高效导航，应急碰撞测试中实现零碰撞。
研究背景与动机¶
水面自主航行器 (ASV) 在马六甲海峡、新加坡海峡等繁忙水域中面临的核心挑战是洋流等外部扰动会动态改变可航行区域和最优路径。传统规划器存在以下不足：
- 采样类方法（RRT/PRM/A*）：最小化距离而非能耗，不考虑扰动对转弯行为的影响
- 固定安全距离方法：用固定 padding 代替动态适应，过于保守或不足
- 现有能量感知方法：未同时处理动态不可导航区域与多拓扑路径选择
- 轨迹优化方法：多局限于局部规划，缺乏全局拓扑保证
核心问题：在已知 2D 矢量流场（洋流预报）下，如何为非完整约束的 ASV 找到既安全（避免不可逆碰撞状态 ICS）又节能的全局路径，同时保持拓扑多样性以支持航路重规划？
方法详解¶
整体框架¶
五阶段分层架构： 1. 约束 Delaunay 三角化 (CDT) → 建立导航网格，分离 Hard No Go Zone (ℒ) 和可航行区 (ℒ^c) 2. 同伦通道搜索 → DFS 在 CDT 对偶图上搜索 k 条拓扑不同的通道 3. 自适应 Padding → 基于采样的最坏情况 hard-over 转弯分析，确定各通道安全边界 4. 高层规划器 → 燃料效率评估选择最优同伦类 5. 低层规划器 → 在最优同伦通道内优化最终路径
关键设计¶
- 自适应 No Go Zone：
- 无扰动下 ASV 转弯为规则圆（r = v_thrust/ω）；有洋流时转弯形状变为不规则
- 对每个约束边，采样 hard-over 转弯（τ ∈ {-ω_max, +ω_max}），考虑行进方向 φ、横向偏移 Δφ 和扰动均值
- 在扰动噪声下重采样，计算到约束边最近距离的概率分布
- 用百分位 σ（如 95%）定义 padding 偏移，即以概率 σ 避免碰撞，风险 1-σ
-
关键洞察：同一约束边在不同同伦方向下可有不同 padding，因水流-车辆-障碍关系随拓扑改变
-
同伦通道 (Homotopic Channel)：
- 利用 CDT 的对偶性质：三角形→节点，共享边→连接
- DFS 搜索拓扑上不同的通道序列，参数 k ≤ 2^n（n 为障碍物数量）
- 凹障碍物通过 crossing-sequence 方法识别同伦类
-
保留多个同伦选项意义：ASV 可随时切换/重规划航路，增强鲁棒性
-
燃料成本模型：
- F = ∫ α·v_thrust^k · ds / (v_thrust + c⃗·T̂(s))，k=2（二次阻力），考虑洋流顺/逆方向
- 使用调和平均评估同伦类（惩罚高燃料异常值）：h* = argmin_h (调和平均 F_{h,i})
- 引入有效转弯半径 r' = v'_world/ω 替代固定 r，保证运动学可行性
损失函数¶
无学习组件，纯基于采样的规划器。关键参数： - ASV 模型：长度 2m，最大线速度 1.0 m/s，最大角速度 35°/s - 安全概率阈值 σ = 0.95 - 每个同伦类采样 N = 500 条路径 - 计算时间：7 个障碍物环境中，同伦类识别 ~10s，完整路径优化 ~300s
实验关键数据¶
主实验：不同环境下各方法对比¶
| 环境 | 指标 | RENEW | Grid A* | RRT | RRT-D | PRM | PRM-D |
|---|---|---|---|---|---|---|---|
| 4-Gyre (k=16) | Fuel↓ | 202.25 | 224.84 | 310.57 | 236.27 | 288.07 | 235.09 |
| 4-Gyre | Safety↑ | 16.40 | 4.20 | 1.77 | 1.18 | 1.77 | 1.05 |
| 4-Gyre | F/D↓ | 0.680 | 0.860 | 0.99 | 0.92 | 1.01 | 0.93 |
| Hansando (真实洋流) | Fuel↓ | 2639 | 2845 | 3567 | 3958 | 3565 | 3959 |
消融实验与关键对比¶
| 消融项 | Fuel | Safety | 说明 |
|---|---|---|---|
| k=1（单同伦） | 325 | 7.7 | 同伦类太少，陷入次优路径 |
| k=16（多同伦） | 202 | 16.4 | 更多选项发现更优路径 |
| 无自适应 padding | — | 碰撞 | 不安全 |
| 固定 padding | 更高 | 过保守 | 可航行空间被压缩 |
| 应急碰撞: RENEW | — | 0 碰撞 | 满足海事安全标准 |
| 应急碰撞: Grid A* | — | 62-128 碰撞 | 不安全 |
| 应急碰撞: RRT 系列 | — | 29-213 碰撞 | 不安全 |
| 应急碰撞: PRM 系列 | — | 45-185 碰撞 | 不安全 |
关键发现¶
- 逆流（270°）时优势最大：RENEW 生成锯齿路径避开逆流，虽距离更长但燃料更低
- 应急机动测试：在路径上每米模拟突发障碍物，RENEW 保持 0 碰撞，所有基线均失败
- Palawan Passage 案例：同一区域在夏季 vs 冬季不同洋流模式下自动选择完全不同的最优路径
- 计算效率：主要瓶颈在路径采样优化（~300s/500 样本），但同伦搜索快（~10s）
亮点与洞察¶
- 首个统一处理自适应不可导航性+拓扑多样性的全局路径规划器，填补海事 ASV 导航领域空白
- 应急机动 0 碰撞——直接满足海事安全法规中 abort position 的概念
- 自适应 padding 的核心洞察：同一障碍物边界在不同航行方向下的安全距离不同，因为洋流对转弯行为的影响取决于相对方向
- 受海事应急计划（contingency planning）启发的 best-effort 策略优雅解决了安全保证问题
- 调和平均选择同伦类比算术平均更鲁棒——惩罚高能耗异常路径
局限性¶
- 假设 ASV 推力 > 洋流速度（||V_thrust|| > ||V_c||），无法处理极强洋流场景
- 假设流场在规划时间内不变（需依赖短期预报），长航程需在线重规划
- 路径优化阶段计算量较大（300s），不适合实时快速重规划
- 仅在 2D 平面验证，未考虑三维水下或水面起伏
相关工作与启发¶
- 可迁移到无人机在风场中的路径规划（同样面临外部扰动+非完整约束）
- 自适应 padding 思路可用于城市自动驾驶中动态安全距离计算
- 同伦通道概念为多机器人协调规划提供拓扑级别的路径分配方案
评分¶
- 新颖性：⭐⭐⭐⭐（自适应 No Go Zone + 同伦通道的组合首创）
- 技术深度：⭐⭐⭐⭐（概率安全分析+运动学约束+能量优化融合完整）
- 实验充分度：⭐⭐⭐⭐⭐（真实洋流数据+消融+应急测试+多环境+多基线）
- 实用价值：⭐⭐⭐⭐（直接面向海事导航，有代码开源）
局限性 / 可改进方向¶
- 假设固定推力速度，未考虑变速优化
- 依赖先验已知的环境地图和流场预报
- 计算时间较长（7 障碍物环境 ~10s 同伦搜索 + ~300s 路径优化）
- 未考虑部分未知环境的在线重规划
与相关工作的对比¶
- vs Grid A*: 考虑能量 vs 仅考虑距离，同伦多样性提供更多选择
- vs RRT/PRM: 安全保证显著优于采样方法，燃料效率更优
- vs Kularatne et al.: 首次加入自适应不可导航区域和拓扑多样性
启发与关联¶
自适应安全边界的概念可推广至城市自动驾驶中的动态安全距离。同伦类搜索提供路径多样性的思路对多路径规划有参考价值。
评分 ⭐⭐⭐⭐ (4/5)¶
Oral 论文，问题定义清晰，方法严谨。应急碰撞 0 的结果令人印象深刻。但计算成本和固定推力假设限制实际部署。