动态环境下基于风险感知混合架构的自主水下机器人路径规划OACHSSCD

【目的】提出一种基于风险感知的混合路径规划架构(H2PA),以提高复杂动态不确定环境下自主水下机器人(AUV)的路径规划与安全避障能力。【方法】在引导层采用动态约束人工势场(C-APF),通过构建预测性斥力场提前规避动态威胁,并结合目标方向投影的涡旋切向力场克服死锁;在优化层采用改进的双延迟深度确定性策略梯度(TD3)网络,引入层归一化(LayerNorm)与高斯误差线性单元(GELU)激活函数,平滑非零梯度以加速策略收敛;在安全层构建基于控制障碍函数(CBF)的预测性安全滤波器(PSF),并设计解析形式的动能转移机制,在强制削减越界法向速度时将其平滑转移至切向方向,保障硬约束下动作的流畅性;在仲裁层利用基于预警距离的风险感知机制,自适应调节优化层与引导层的控制权重。【结果与结论】在3种不同障碍物设置仿真环境测试中,H2PA算法均在800个训练轮次后实现稳定收敛,最终累积奖励值均达到100以上,平均转向角度维持在1.6°~1.8°,转向标准差为0.3°~0.5°,轨迹平滑且连续。CAPF-TD3、CBF-TD3及标准TD3对比算法平均转向角度分布在2.1°~3.5°,转向标准差高达0.7°~2.0°。H2PA算法的平均转向角度相较于对比算法降低14%以上,转向标准差减小29%以上。在复杂场景中,H2PA的路径平滑度与收敛稳定性均保持最优性能,验证了该架构在动态环境下的鲁棒性。