密歇根大学的研究人员开发了一种新的运动规划算法，用于在动态不确定且存在对抗性智能体的环境中为机器人找到最优轨迹。通过将闭环策略序列与多目标帕累托优化相结合，该方法在成本与约束违反概率之间进行权衡——这是自主系统在智能对手周围安全导航的关键能力。
目录
研究人员构建了什么
研究团队引入了两种规划器——SMO-RRT 和 SMO-SST——用于解决机器人在存在反应式对手的情况下，到达目标并避免约束（例如，停留在安全区域内）的轨迹规划问题。与假设线性系统和高斯噪声的标准机会约束规划器不同，这项工作将对手建模为对自主体（ego）动作做出反应的闭环策略。通过这样做，它避免了开环轨迹规划的过度保守行为。
核心创新点在于将规划表示为 闭环策略 序列及其执行持续时间的组合。在树扩展过程中，算法对耦合的自主体-对手系统进行粒子 rollout，以估计约束违反的经验概率。生成的搜索树维护了一个非支配解序列的 帕累托前沿，允许用户在较低成本和较低违反风险之间进行权衡。
SMO-SST 通过添加帕累托感知剪枝改进了 SMO-RRT，丢弃了在两个目标上均被支配的策略序列，从而将计算资源集中在最有前景的分支上。
关键结果
由于标准的机会约束规划器在数学上与闭环对手模型不兼容，作者没有与这些基线进行比较。相反，他们在模拟对抗环境中展示了 SMO-SST 相对于 SMO-RRT 的优越性。
- 帕累托前沿质量：SMO-SST 生成了一组更密集、分布更均匀的帕累托最优解，而 SMO-RRT 的解集则更稀疏。
- 计算效率：通过剪枝被支配的分支，SMO-SST 在实现对权衡空间同等或更好覆盖的同时，所需的树扩展次数显著减少。
- 降低保守性：闭环策略表示允许机器人利用对手的反应行为，在相同违反概率下获得比任何开环近似更低的成本轨迹。
实验环境包含多个移动对抗性智能体，这些智能体对自主体的位置和速度做出反应。评估指标包括平均成本（如到达目标的时间）和通过蒙特卡洛 rollout 估计的经验违反概率。
工作原理
该算法将 RRT 和 SST（稳定稀疏 RRT）框架扩展为多目标随机设置。技术细节如下：
- 状态空间 包括机器人的动态状态（位置、速度）以及风险估计。
- 闭环策略序列 是规划的基本构建块。每个策略将当前状态映射到控制命令，并执行固定时长。对手也被建模为反应式控制器（例如，追踪或阻挡策略）。
- 树扩展：搜索树中的节点对应一个状态以及一组导向该状态的非支配策略序列。从随机节点开始，采样一个新的策略序列并在模拟中 rollout。在 rollout 过程中，粒子 rollout 模拟了自主体-对手交互的多个随机实现，从而得到成本和约束违反的经验分布。
- 帕累托支配：如果一个策略序列 A 在期望成本和违反概率上都低于另一个序列 B，则 A 支配 B。只有当添加到节点的新策略序列不被该节点已有序列支配时，SMO-SST 才会将新节点添加到树中。它还会移除之前存储的、被新序列支配的序列。
- 最佳优先选择：SMO-RRT 使用随机采样；SMO-SST 使用一种选择规则，偏好那些有潜力改善帕累托前沿的节点，类似于原始 SST 的 Voronoi 偏向。
最终得到一棵稀疏树，其节点共同代表所有可行规划的 帕累托前沿。用户可以根据自己的风险容忍度选择规划。
对机器人学的意义
自主机器人越来越多地运行在包含其他智能体的环境中——仓库中的多机器人、拥挤空域中的无人机配送，或与其他驾驶员交互的自动驾驶车辆。传统的运动规划器将障碍物视为静态，或遵循预先计算的不确定性模型，但这些模型在对手适应时会失效。
这项工作提供了一种在与反应式对手对抗时进行有置信度规划的原则性方法。通过提供操作保证（有限样本概率证书）并允许在效率与安全性之间进行显式权衡，它使机器人能够承担计算过的风险，而不是总是选择最保守的路径。实际应用包括：
- 仓库机器人：多机器人协调，机器人必须相互避碰并对彼此的动作做出反应。浏览 Robot Overflow 上的仓库机器人 可查看可能从这种规划中受益的现有平台。
- 自动驾驶车辆：变道或路口穿越时，其他驾驶员会做出反应。
- 无人机群：在存在反无人机系统的对抗空域中进行路径规划。
局限性与开放问题
粒子 rollout 评估的计算成本很高，尤其是在高保真动力学或许多对手的情况下。尚未在嵌入式硬件上实现实时性能。该方法假设对手策略是已知的；实际上，对手可能适应或采用未知策略。概率证书是基于有限样本的，并依赖于 rollout 次数——如何在不过度计算的情况下调整以获得紧致边界仍是一个开放挑战。将方法扩展到高维状态空间（例如，机械臂）可能会给稀疏树表示带来压力。
常见问题解答
这与经典的机会约束规划有何不同？ 经典方法假设线性系统和高斯噪声，这无法捕捉对手的闭环反应行为。SMO-SST 通过粒子 rollout 处理非高斯、耦合的动力学。
它可以处理哪些类型的对手？ 任何其行为可建模为反应式闭环策略的对手。论文演示了追踪和阻挡对手；原则上，可以使用学习或博弈论模型。
规划器能实时保证安全吗？ 它基于 rollout 次数提供有限样本概率证书。目前尚未实现实时操作；论文侧重于概念验证。
这可以用于现有的商业机器人吗？ 可以，如果机器人的动力学和传感器模型已知，且对手模型可用。算法输出一系列控制策略，可在 ROS 兼容平台上执行。
结论
SMO-SST 引入了一种在存在对手的不确定性下进行规划的实用方法，为机器人操作员提供了风险与性能之间的清晰权衡。通过超越开环假设，它为在动态多智能体环境中实现安全自主提供了一条更现实的路径。该算法非常适合那些机器人必须与其他反应式智能体智能交互的应用场景。
如果您的机器人车队能够概率性地保证在自适应对手面前的安全，其性能将如何改变？