Microrobot Vascular Parkour: Analytic Geometry-based Path Planning with Real-time Dynamic Obstacle Avoidance

📄 arXiv: 2509.05500v1 📥 PDF

作者: Yanda Yang, Max Sokolich, Fatma Ceren Kirmizitas, Sambeeta Das, Andreas A. Malikopoulos

分类: cs.RO, cs.AI

发布日期: 2025-09-05

备注: 56 pages, 19 figures including Supplementary Materials. Supplementary videos available at https://robotyyd.github.io/yanda-yang.github.io/vascular-parkour.html. Preprint. This version has not been peer reviewed

💡 一句话要点

提出基于解析几何的微型机器人血管导航路径规划与实时动态避障方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 微型机器人 血管导航 路径规划 动态避障 解析几何 强化学习 实时控制

📋 核心要点

  1. 血管内微型机器人导航面临移动障碍物挑战，现有方法难以兼顾效率与实时性。
  2. 提出结合解析几何全局规划与反应式局部控制器的路径规划框架，实现快速避障。
  3. 实验证明该方法在仿真和真实环境中均能有效避开移动障碍，规划时间仅40ms。

📝 摘要（中文）

本文提出了一种实时路径规划框架，用于解决微型机器人在血管中导航时面临的密集移动障碍物问题。该框架结合了解析几何全局规划器(AGP)和两个反应式局部避障控制器，分别基于规则和强化学习，以应对突发的移动障碍。系统利用实时成像技术估计微型机器人、障碍物和目标的位置，并计算无碰撞运动轨迹。仿真结果表明，AGP在路径长度和规划速度方面优于加权A (WA)、粒子群优化(PSO)和快速探索随机树(RRT)，同时保持了可行性和确定性。AGP可以从2D扩展到3D，且不损失速度。在仿真和实验中，全局规划器和局部控制器的组合能够可靠地避开移动障碍物并到达目标。平均规划时间为每帧40毫秒，与25 fps的图像采集和实时闭环控制兼容。这些结果推进了微型机器人在血管环境中的自主导航和靶向药物递送。

🔬 方法详解

问题定义：微型机器人在血管内自主导航，需要克服血管内密集且动态的障碍物。现有路径规划方法，如A*、PSO和RRT等，在计算复杂度和实时性方面存在不足，难以满足血管内快速变化的场景需求。因此，需要一种能够快速生成可行路径，并能实时应对动态障碍物的路径规划方法。

核心思路：论文的核心思路是将全局路径规划和局部避障相结合。全局规划器使用解析几何方法快速生成初始路径，局部控制器则负责实时调整路径，以避开突发的动态障碍物。这种结合既保证了路径的整体效率，又提高了对环境变化的适应性。

技术框架：该路径规划框架包含三个主要模块：1) 基于实时成像的感知模块，用于估计微型机器人、障碍物和目标的位置；2) 基于解析几何的全局规划器(AGP)，用于生成初始的无碰撞路径；3) 两个反应式局部避障控制器，分别基于规则和强化学习，用于实时调整路径以避开移动障碍物。整个系统采用闭环控制，根据实时感知结果不断更新路径规划。

关键创新：该方法最重要的创新点在于将解析几何方法应用于微型机器人的全局路径规划。与传统的启发式搜索算法相比，解析几何方法能够直接计算出最优路径，从而大大提高了规划速度。此外，结合基于规则和强化学习的局部控制器，进一步增强了系统的鲁棒性和适应性。

关键设计：AGP使用解析几何方法计算从起点到目标点的直线路径，并根据障碍物的位置进行调整，生成无碰撞路径。局部控制器基于障碍物的速度和位置，计算微型机器人的避障方向和速度。基于规则的控制器采用简单的几何规则进行避障，而基于强化学习的控制器则通过学习获得更复杂的避障策略。系统采用25fps的图像采集频率，保证了实时性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

仿真结果表明，AGP在路径长度和规划速度方面优于WA*、PSO和RRT。在仿真和实验中，全局规划器和局部控制器的组合能够可靠地避开移动障碍物并到达目标。平均规划时间为每帧40毫秒，与25 fps的图像采集和实时闭环控制兼容。这些结果表明该方法具有良好的实时性和鲁棒性。

🎯 应用场景

该研究成果可应用于血管内微型机器人的靶向药物递送、微创手术和疾病诊断等领域。通过自主导航和实时避障，微型机器人能够更精确地到达病灶部位，提高治疗效果，降低手术风险。未来，该技术有望扩展到其他复杂环境下的微型机器人导航应用。

📄 摘要（原文）

Autonomous microrobots in blood vessels could enable minimally invasive therapies, but navigation is challenged by dense, moving obstacles. We propose a real-time path planning framework that couples an analytic geometry global planner (AGP) with two reactive local escape controllers, one based on rules and one based on reinforcement learning, to handle sudden moving obstacles. Using real-time imaging, the system estimates the positions of the microrobot, obstacles, and targets and computes collision-free motions. In simulation, AGP yields shorter paths and faster planning than weighted A (WA), particle swarm optimization (PSO), and rapidly exploring random trees (RRT), while maintaining feasibility and determinism. We extend AGP from 2D to 3D without loss of speed. In both simulations and experiments, the combined global planner and local controllers reliably avoid moving obstacles and reach targets. The average planning time is 40 ms per frame, compatible with 25 fps image acquisition and real-time closed-loop control. These results advance autonomous microrobot navigation and targeted drug delivery in vascular environments.