机器人

作者：陈宇燊, 白成超, 颜鹏, 郑红星, 郭继峰

关键词：意图推理, 低空飞行器, 城市环境, 轨迹预测, 贝叶斯推理

针对城市低空飞行目标异构性、高密度化带来的轨迹预测难题，提出一种融合意图推理与局部规划的分层轨迹预测框架，通过融合贝叶斯推理与深度学习的混合推理机制，实时估计飞行器目的站点的概率分布，根据估计结果进行局部轨迹规划，提升长期轨迹预测的准确性。首先，将城市区域离散化为若干通行区块，利用LSTM（长短期记忆）网络从历史轨迹中学习轨迹转移概率模型，通过区域离散化降低了直接预测坐标的困难；其次，基于贝叶斯理论在线迭代更新目的站点后验概率分布，利用该长期运动意图可提高长期轨迹预测的准确性；最后，通过采样与局部轨迹规划来生成满足无人机动力学约束的预测轨迹，基于采样的方法可降低预测的计算复杂度，提高预测的实时性。实验结果表明，在9个待行区块范围内目的站点估计的平均准确度高于0.46（均值±标准误差：0.175），相比无先验信息方法提升显著；轨迹预测结果可以覆盖目标可能的机动路径，相比于交互式多模型预测算法误差更小，切换速度快，在长期轨迹预测方面更具优势。

来源：2025年第3期

《机器人》期刊编辑部

查看机器人杂志2025年第3期