.png){kind=icon}
返回
A swarm intelligence framework in complex environments: Optimizing area coverage guidance and control
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.112662.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着人工智能技术的发展，部署多艘无人水面艇（multi-USVs）提高了效率与安全性，但也引入了环境干扰、法规遵从（COLREGs）和避碰等挑战。本研究提出了一种集成框架，通过Theta-Integrated Divide Areas Trajectory Planning（TDAP）算法进行动态约束覆盖规划、非线性模型预测控制（NMPC）在风/流变化下的鲁棒轨迹跟踪，以及结合虚拟障碍线的Dynamic Theta*（D-Theta*）算法实现符合COLREGs的避碰——包括目标船舶未响应时的紧急规避。仿真结果表明，该框架在各类场景中均能实现高覆盖效率、精确轨迹跟踪和持续安全航行。该框架显著提升了多-USV在复杂环境中的协同作业与安全性，实现了无需直接人工干预的可靠自主运行。
期刊
IF:
8
论文数:
5.7K
被引数:
3.5W
机构
引用论文
DARP: Divide Areas Algorithm for Optimal Multi-Robot Coverage Path PlanningDARP: 多机器人最优覆盖路径规划的区域划分算法
OAAI
OAAI分享收藏A State-of-the-Art Analysis of Obstacle Avoidance Methods from the Perspective of an Agricultural Sprayer UAV's Operation Scenario从农用喷雾器无人机作业场景的角度分析避障方法.png)
AGRONOMY-BASEL
OAAI
AGRONOMY-BASELIF3.4
OAAI分享收藏
查看更多内容