当多架无人机在同一空域工作时，也许是在一片玉米田上喷洒农药，它们有可能会相互碰撞。为了帮助避免这些代价高昂的碰撞，麻省理工学院的研究人员在2020年提出了一个名为MADER的系统。这种多代理轨迹规划器使一组无人机能够制定出最佳的、无碰撞的轨迹。
每个代理都会广播它的轨迹，以便其他无人机知道它打算去哪里。然后，代理在优化自己的轨迹时考虑对方的轨迹，以确保它们不会发生碰撞。
但是，当研究小组在真实的无人机上测试该系统时，他们发现，如果无人机没有关于其伙伴轨迹的最新信息，它可能会无意中选择一条导致碰撞的路径。研究人员修改了他们的系统，现在正在推出Robust MADER，这是一个多代理人轨迹规划器，即使在代理人之间的通信延迟时也能生成无碰撞轨迹。
“MADER在模拟中效果很好，但它还没有在硬件中测试过。因此，我们建造了一批无人机并开始飞行。无人机需要相互交谈以共享轨迹，但是一旦你开始飞行，你很快就会意识到，总是有通信延迟，会带来一些故障。”航空和航天系研究生Kota Kondo说。
该算法包含一个延迟检查步骤，在此期间，无人机在致力于新的、优化的轨迹之前会等待一定的时间。如果它在延迟期间收到来自其他无人机的额外轨迹信息，它可能会放弃其新的轨迹并重新开始优化过程。
当Kondo和他的合作者在模拟和真实无人机的飞行实验中测试Robust MADER时，它在生成无碰撞轨迹方面达到了100%的成功率。虽然无人机的飞行时间比其他一些方法要慢一些，但其他基线都无法保证安全。
“如果你想飞得更安全，你就必须小心，因此，如果你不想与障碍物相撞，就会花更多时间到达目的地，这是合理的。”Kondo说，“无论你走得多快，一旦你与什么东西相撞受阻，你都无法顺利到达目的地。”
Kondo与 博 士 后Jesus Tordesillas、 研 究 生Parker C. Lusk、麻省理工学院本科生Reinaldo Figueroa、Juan Rached和Joseph Merkel，以及资深作者Richard C. Maclaurin航空和航天学教授、信息和决策系统实验室（LIDS）的主要研究员、麻省理工学院-IBM Watson AI实验室的成员Jonathan P. How共同撰写了这篇论文。该研究将在国际机器人和自动化会议上发表。
规划轨迹
MADER是一个异步的、分散的、多代理的轨迹规划器。这意味着每架无人机都制定自己的轨迹，虽然所有代理必须就每条新的轨迹达成一致，但他们不需要同时达成一致。这使得MADER比其他方法更具可扩展性，因为成千上万的无人机很难同时就一条轨迹达成一致。由于其分散的性质，该系统在无人机可能远离中央计算机飞行的现实环境中也会更好地工作。
有了MADER，每架无人机使用一种算法来优化新的轨迹，这种算法结合了它从其他代理那里收到的轨迹。通过不断地优化和广播他们的新轨迹，无人机可以避免碰撞。
但是，也许一个代理在几秒钟前就分享了它的新轨迹，但由于通信延迟，同伴没有立即收到它。在现实世界的环境中，信号经常被其他设备的干扰或暴风雨天气等环境因素延迟。由于这种不可避免的延迟，无人机可能会无意中提交一个新的轨迹，使其处于碰撞的轨道上。
Robust MADER可以彻底防止这种碰撞，因为每个代理有两条可用的轨迹。它保留一条它知道是安全的轨迹，它已经检查过潜在的碰撞。在沿着原来的轨迹飞行时，无人机优化了一条新的轨迹，但在完成延迟检查步骤之前，它不会选择使用新的轨迹。
在延迟检查期间，无人机花了固定的时间反复检查来自其他代理的通信，以了解其新轨迹是否安全。如果它检测到潜在的碰撞，它就放弃新的轨迹，重新开始优化过程。延迟检查期的长度取决于代理之间的距离和可能妨碍通信的环境因素。例如，如果代理之间相距数英里，那么延迟检查期就需要更长。
彻底消除碰撞
研究人员通过运行数百次模拟来测试他们的新方法，其中他们人为地引入了通信延迟。在每次模拟中，Robust MADER都能100%成功地生成无碰撞轨迹，而所有的基线都会造成碰撞。
研究人员还建造了6架无人机和两个空中障碍物，并在一个多代理人飞行环境中测试了Robust MADER。他们发现，虽然在这种环境中使用原始版本的MADER会导致7次碰撞，但Robust MADER在任何硬件实验中都没有引起一次崩溃。
“在硬件实际飞行之前，你不知道什么可能导致问题。因为我们知道模拟和实际之间是有区别的，所以我们使算法变得强大，它在真实的无人机中工作，在实践中看到这一点是非常有意义的。”Kondo说。
使用Robust MADER，无人机能够每秒飞行3.4米，尽管它们的平均旅行时间比一些方式略长。但目前，除此之外没有任何一种方法在每个实验中都能做到完全无碰撞。
在未来，Kondo和他的合作者希望将Robust MADER放到户外进行测试，因为那里有许多障碍物和噪声类型会影响通信。他们还希望为无人机配备视觉传感器，以便它们能够检测到其他代理或障碍物，预测它们的运动，并将这些信息纳入轨迹优化。
