Multi-Waypoint Path Planning and Motion Control for Non-holonomic Mobile Robots in Agricultural Applications

📄 arXiv: 2507.23350v1 📥 PDF

作者: Mahmoud Ghorab, Matthias Lorenzen

分类: cs.RO, cs.AI, eess.SY

发布日期: 2025-07-31

备注: 6 pages

DOI: 10.34749/3061-0710.2025.17

💡 一句话要点

提出基于DTSP和NMPC的农业机器人多航路点路径规划与运动控制方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 农业机器人 路径规划 运动控制 Dubins旅行商问题 非线性模型预测控制

📋 核心要点

  1. 农业机器人需要在非结构化环境中高效导航，现有方法难以兼顾路径长度、曲率约束和计算效率。
  2. 提出结合DTSP全局规划和NMPC局部控制的集成框架，优化路径长度和曲率，确保机器人精确到达航路点。
  3. 仿真结果表明，该方法相比解耦方法路径长度缩短约16%，验证了其在农业导航中的有效性。

📝 摘要（中文）

针对农业环境中自主移动机器人导航的需求，尤其是在草地除草等任务中，需要高效地规划通过无序坐标集合的路径，同时最小化行驶距离并满足曲率约束，以防止土壤破坏和保护植被。本文提出了一种集成的导航框架，该框架结合了基于Dubins旅行商问题（DTSP）的全局路径规划器和用于局部路径规划和控制的非线性模型预测控制（NMPC）策略。DTSP生成最短长度、曲率约束的路径，有效地访问所有目标点，而NMPC利用该路径计算控制信号，以精确地到达每个航路点。通过在真实田野数据集上的比较仿真分析验证了系统的性能，结果表明，与解耦方法相比，基于DTSP的耦合规划器产生了更平滑、更短的路径，在所提供的场景中减少了约16%。基于此，NMPC控制器有效地引导机器人到达期望的航路点，同时局部优化轨迹并确保满足约束。这些发现证明了所提出的框架在农业环境中高效自主导航的潜力。

🔬 方法详解

问题定义：论文旨在解决农业机器人多航路点路径规划问题，特别是在非结构化环境中，需要访问一系列无序的目标点。现有方法通常采用解耦的方式，先进行全局路径规划，再进行局部轨迹跟踪，容易导致路径过长、曲率过大，从而影响效率和对环境的适应性。此外，农业环境对路径的曲率有较高要求，以避免对土壤和植被造成损害。

核心思路：论文的核心思路是将全局路径规划和局部运动控制进行集成，利用Dubins旅行商问题（DTSP）生成满足曲率约束的最短路径，然后使用非线性模型预测控制（NMPC）进行局部轨迹优化和精确跟踪。DTSP负责生成全局最优的路径序列，NMPC则负责在局部范围内调整轨迹，以满足机器人的运动学约束和环境约束。

技术框架：该导航框架包含两个主要模块：1) 基于DTSP的全局路径规划器：该模块接收一组无序的目标点作为输入，输出一条满足曲率约束且总长度最短的路径，该路径定义了机器人访问各个目标点的顺序。2) 基于NMPC的局部运动控制器：该模块接收DTSP生成的路径作为参考轨迹，利用非线性模型预测控制算法，计算机器人的控制输入（例如，线速度和角速度），使机器人能够精确地跟踪参考轨迹，同时满足运动学约束和环境约束。

关键创新：该论文的关键创新在于将DTSP和NMPC进行紧密耦合，实现全局路径规划和局部运动控制的协同优化。传统的解耦方法通常无法保证全局最优性，而该方法通过DTSP生成全局最优的路径序列，并利用NMPC进行局部优化，从而实现了全局和局部的双重优化。此外，该方法还考虑了农业环境的特殊约束，例如曲率约束，从而提高了机器人在实际应用中的适应性。

关键设计：DTSP求解器采用了一种基于遗传算法的启发式搜索方法，以在合理的时间内找到近似最优解。NMPC控制器采用了一种基于序列二次规划（SQP）的优化算法，以在每个控制周期内找到最优的控制输入。NMPC的目标函数包括跟踪误差、控制输入和曲率惩罚项，通过调整这些项的权重，可以实现对轨迹的精确跟踪和对曲率的有效控制。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

仿真实验结果表明，与传统的解耦方法相比，该方法能够生成更平滑、更短的路径，路径长度缩短约16%。同时，NMPC控制器能够有效地引导机器人到达期望的航路点，并保证满足运动学约束和环境约束。这些结果验证了该方法在农业机器人导航中的有效性和优越性。

🎯 应用场景

该研究成果可广泛应用于农业机器人领域，例如自动除草、精准施肥、作物巡检等。通过优化路径规划和运动控制，可以提高农业机器人的作业效率，降低能源消耗，减少对环境的破坏。此外，该方法还可以扩展到其他需要满足曲率约束的移动机器人应用场景，例如室内服务机器人、物流机器人等。

📄 摘要（原文）

There is a growing demand for autonomous mobile robots capable of navigating unstructured agricultural environments. Tasks such as weed control in meadows require efficient path planning through an unordered set of coordinates while minimizing travel distance and adhering to curvature constraints to prevent soil damage and protect vegetation. This paper presents an integrated navigation framework combining a global path planner based on the Dubins Traveling Salesman Problem (DTSP) with a Nonlinear Model Predictive Control (NMPC) strategy for local path planning and control. The DTSP generates a minimum-length, curvature-constrained path that efficiently visits all targets, while the NMPC leverages this path to compute control signals to accurately reach each waypoint. The system's performance was validated through comparative simulation analysis on real-world field datasets, demonstrating that the coupled DTSP-based planner produced smoother and shorter paths, with a reduction of about 16% in the provided scenario, compared to decoupled methods. Based thereon, the NMPC controller effectively steered the robot to the desired waypoints, while locally optimizing the trajectory and ensuring adherence to constraints. These findings demonstrate the potential of the proposed framework for efficient autonomous navigation in agricultural environments.