Гибридная оптимизационная структура на базе группы Ли для многокритериального планирования траектории БПЛА с использованием L-VGWO

Умнее маршруты для дронов в сложных условиях

Когда дронов отправляют в опасные зоны — например, на пожары, в районы бедствий или в плотную городскую застройку — им нужны маршруты, которые не только безопасны и коротки, но и плавны и устойчивы. Резкие повороты или дрожание могут испортить данные с камер или даже привести к крушению. В этой статье предложен новый способ планирования трёхмерных траекторий дронов, который поддерживает корректное положение и ориентацию аппарата даже в загромождённых средах, используя мощную стратегию поиска, вдохновлённую коллективным поведением животных.

Прокладывая кривые на кривом пространстве

Большинство планировщиков трактуют движение дрона так, будто оно происходит в обычном плоском пространстве, задавая ориентацию простыми тройками углов. Такой подход даёт сбои при больших поворотах, приводя к неуклюжим переворотам и внезапным прыжкам в ориентации. Авторы вместо этого опираются на более геометрическое описание движения, заимствованное из современной робототехники и механики. Они представляют каждый шаг вдоль траектории как малое изменение положения и ориентации в математической структуре, естественно описывающей жёсткое движение в трёх измерениях. Сцепляя эти малые изменения, метод строит непрерывный путь, где поза дрона меняется плавно, без сингулярностей углов или разрывов.

Баланс между безопасностью, плавностью и точностью

Реальные задания требуют не просто достижения цели: дроны должны обходить препятствия, прийти точно в нужную точку и в нужной ориентации, и двигаться так, чтобы бортовые датчики и приводы могли это обеспечить. Чтобы учесть эти требования, авторы объединяют несколько критериев в единую оценку для каждой кандидатной траектории. Эта оценка штрафует отклонение от желаемой конечной позиции или неверную ориентацию, а также измеряет, насколько плавно меняются ориентация и скорость дрона между соседними точками. Дополнительные штрафы препятствуют полёту слишком близко к стенам или объектам и избегающим неоправданно длинных объездов. Меняя относительные веса этих компонентов, планировщик может отдавать приоритет безопасности, плавности движения или точной посадке в зависимости от задания.

Пусть волки и стервятники ищут вместе

Поиск оптимальной траектории в этой геометрической постановке — сложная задача, поскольку ранние решения на маршруте могут дальше по цепочке взаимодействовать сложными способами. Вместо методов, основанных на исчислении, авторы разработали гибридный алгоритм поиска, имитирующий поведение стай животных при охоте. Одна часть метода, вдохновлённая гриффоновыми стервятниками, широко исследует пространство поиска. Другая часть, смоделированная по образцу серых волков, сосредоточена на сужении вокруг перспективных вариантов. В каждом раунде шаг, напоминающий поведение стервятников, предлагает смелые изменения траектории, а шаг, похожий на поведение волков, локально уточняет эти кандидаты. Дополнительный механизм мягко тянет слабые кандидаты к кластеру текущих лучших, повышая фокусировку без преждевременной фиксации на локальных минимумах.

Испытание метода

Исследователи проверяли свою схему в моделируемых трёхмерных средах, заполненных смесью сферических, цилиндрических и коробчатых препятствий. Дрону требовалось пролететь от фиксированной стартовой точки до целевой точки, завершая полёт с разными конечными курсами. Они сравнили свой гибридный подход, названный L-VGWO, с несколькими известными оптимизаторами, вдохновлёнными роями, а также с версиями, использующими традиционные представления ориентации в углах. При геометрическом представлении все алгоритмы показывают более устойчивое поведение, но гибридный метод выделяется: он находит более короткие, безопасные и плавные траектории, сходится быстрее и демонстрирует более стабильные профили скорости. Статистические тесты по множеству прогонов подтверждают, что его преимущество не случайно, а отражает действительно лучшее качество решения.

Что это значит для реальных миссий дронов

Проще говоря, работа показывает, как сочетание более реалистичного описания движения дрона с продуманной стратегией поиска даёт траектории, которые одновременно безопасны и выполнимы. Построение пути из небольших, хорошо структурированных изменений позы позволяет избежать резких кручений; скоординированный поиск, вдохновлённый волками и стервятниками, эффективно находит маршруты, обходящие препятствия и удовлетворяющие строгим требованиям к конечной точке. Хотя метод продемонстрирован в симуляции, он указывает путь к более надёжным автономным дронам, способным выполнять сложные 3D-задачи — такие как точечный осмотр или экстренное реагирование — без ущерба для стабильности и безопасности.

Цитирование: Wang, Y., Guo, C., Shao, Y. et al. A Lie group-based hybrid optimization framework for multi-objective UAV path planning using L-VGWO. Sci Rep (2026). https://doi.org/10.1038/s41598-026-46462-5

Ключевые слова: планирование траекторий БПЛА, навигация дрона, метаэвристическая оптимизация, плавность траектории, избегание препятствий