近日，中國科學(xué)院合肥物質(zhì)院智能所祝輝、余彪團隊在地面無(wú)人車(chē)輛復雜地形機動(dòng)性預測研究方面取得進(jìn)展，三篇相關(guān)研究成果相繼發(fā)表在機器人與智能車(chē)輛領(lǐng)域頂刊IEEE Robotics and Automation Letters (IEEE RA-L)和IEEE Transactions on Vehicular Technology (IEEE TVT)上，并且被機器人頂會(huì )IEEE International Conference on Robotics and Automation (ICRA 2024)接收。

　　近年來(lái)，隨著(zhù)地面無(wú)人車(chē)輛關(guān)鍵技術(shù)的不斷突破，地面無(wú)人車(chē)輛被廣泛應用于軍事、極地探索、深空探測等復雜非結構化環(huán)境以執行相關(guān)的任務(wù)。然而，由于沙地、灘涂、雪地、月壤等典型非結構化環(huán)境松軟地形存在低承載力與低附著(zhù)力特性，極易造成裝備下陷與打滑，進(jìn)而導致其機動(dòng)行駛效率低下甚至無(wú)法通行。如何快速且高精度地預測地面無(wú)人車(chē)輛在復雜非結構化地形上機動(dòng)能力，已經(jīng)成為其任務(wù)執行成功與否的關(guān)鍵因素之一。

　　高保真度的模擬技術(shù)，如離散元方法，由于其模擬精度高優(yōu)勢，被廣泛應用于模擬預測地面無(wú)人車(chē)輛復雜地形機動(dòng)性。然而，基于離散元地形模型的整車(chē)遍歷仿真過(guò)程，尤其涉及求解大范圍地形上百萬(wàn)級顆粒的迭代計算時(shí)，計算非常耗時(shí)。為了解決這一問(wèn)題，團隊提出了一種雙重神經(jīng)網(wǎng)絡(luò )增強的全局機動(dòng)性預測模型。首先，通過(guò)開(kāi)發(fā)一種自適應人工神經(jīng)網(wǎng)絡(luò )代理模型 (ANN-RVE)，實(shí)現了車(chē)輛-地形接觸力學(xué)仿真的加速。該模型基于多尺度代表性體積單元地形模型，通過(guò)預測應力和應變關(guān)系，有效替代了復雜的非線(xiàn)性迭代計算。其次，通過(guò)引入邊界數據增強的人工神經(jīng)網(wǎng)絡(luò )模型，加速了全局機動(dòng)性地圖的生成過(guò)程。該模型通過(guò)整車(chē)遍歷模擬小樣本高斯采樣的地形數據以及在機動(dòng)性分類(lèi)邊界處的額外增強地形數據，生成一個(gè)機動(dòng)性訓練數據集。訓練過(guò)的人工神經(jīng)網(wǎng)絡(luò )隨后被用于預測機動(dòng)性地圖，從而避免了遍歷整個(gè)地形的耗時(shí)過(guò)程。相關(guān)實(shí)驗驗證了所提出的方法在確保了高預測精度的同時(shí)，顯著(zhù)降低了計算耗時(shí)。

　　智能所博士生華琛為這三篇論文的第一作者，余彪研究員為系列論文的通訊作者。該工作部分得到了中國科學(xué)院青年創(chuàng )新促進(jìn)會(huì )優(yōu)秀會(huì )員人才基金和江淮先進(jìn)技術(shù)中心夢(mèng)想基金的支持。

　　論文鏈接：https://ieeexplore.ieee.org/document/10304248 

　　論文鏈接：https://ieeexplore.ieee.org/document/10384839 

　　圖1 基于雙重神經(jīng)網(wǎng)絡(luò )增強的全局機動(dòng)性預測框架

　　圖2 基于A(yíng)NN-RVE地形模型的機動(dòng)性仿真過(guò)程

　　圖3 全局機動(dòng)性預測地圖