A * Arama Algoritma

A* arama algoritması, Peter Hart tarafından ilk olarak açıklanan, Nils Nilsson ve Bertram Rafael 1968 yılında, robotik ve otonom sistemlerde en yaygın kullanılan yol algoritmalarından biri olmaya devam ediyor.Yerel pozisyonları ve kenarlar ilişkili maliyetlerle ilgili olarak geçişli bağlantıları temsil ediyor.

A * Core components of A*

A*'nin temel bileşenleri açık listesini (değerlendirmek için) ve kapalı liste (her adımda, algoritma açık listeden en düşük maliyetli olan düğümü seçer, maliyetleri göz önünde bulundurmak için genişletir ve maliyetlerinizi güncelletir.Eğer bir komşu daha yüksek bir g-cost ile açık listede bulunursa, yol en ucuz rota ile değiştirilir.

Heuristic Design ve Influence

Özerk araç yolunda planlama, ortak heuristics, Euclidean mesafe (kırık mesafe) ve Manhattan mesafesi, kanal tabanlı haritalar için.Heuristic'in seçimi doğrudan performans etkiler: daha fazla bilgi sahibi heuristic, tahminleri artırmak için daha fazla bilgi ve beceriksiz bir şekilde ayarlandığında, daha iyi bir heuristic alan bilgisi ve hız için dikkatli bir arama gerektirir.For road networks, heuristic functions can include road type, speed limits, and traffic conditions to production correct cost. but, an effective heuristic domain knowledge and careful.

A * Özerk Araç Pat Planlamasında Rolü

Özerk araçlar için yol planlama genellikle bir hiyerarşik yapıda çalışır. A* çoğu zaman ESFLT:0) Küresel planlama) katmanı, aracın mevcut konumundan bir noktaya kadar sorunsuz bir rota hesaplama, statik ortamı göz önünde bulundurmaktadır (yollar, şeritler, engeller).

Global vs. Local Path Planlama

A* kullanarak küresel yol planlama, yüksek çözünürlüklü (HD) harita veya yol segmentlerinin grafiği gibi önceden inşa edilmiş bir harita üzerinde çalışır. Algoritma kuralları, şerit sınırları ve dönüş kısıtlamalarına odaklanmak, yerel planlayıcılar (örneğin, Dinamik Pencere Yaklaşımı, Model Tahmini Kontrol) hareket eden veya hareket eden veya yol segmentleri için uygun bir yol çizgisine bağlı olarak, aranır.Bu ayrımı, A*'nın uzun vadeli kısıtlamalarına odaklanmasını sağlar.

Farklı Araba Scenarios'larda uygulamalar

A* çeşitli otonom sürüş bağlamlarına adapte olur. otoyol sürüşünde, grafik sparse ve yapısız arazi (örneğin, madencilik, tarım) ile şehir içi ortamlarda, yüzey tipine göre, A* daha büyük bir grafik ve daha kısıtlamalarla başa çıkmak zorundadır, ancak verimlilik diğer küresel planlayıcılarla rekabetçi kalır.For off-road veya yapılandırılan arazi (örneğin, madencilik, tarım), A* yüzey tipine göre traversal maliyetler ve eklenebilir.

A*'nin Karşılaştırmalı Avantajları

A*, otonom araç uygulamalarında alternatif yol bul algoritmaları üzerinde birkaç farklı avantaj sunar:

  • [FONT=0)Optimality garantisi:[Dönetici:[Dönetici] Bir özneci ile A* her zaman en kısa (en düşük maliyetli) yol döndürür, açgözlü en iyi ilk aramanın aksine, yerel minima tarafından yanlışlanabilir.
  • Dijkstra'nın algoritmasıyla karşılaştırıldığında, A* genellikle hedef doğrultusunda aramayı odaklar çünkü büyük yol ağlarında, bu, siparişlerin hız iyileştirmelerine yol açabilir.
  • [FONT:0)Incremental yeniden planlayıcı uyumluluk: A* Lite ve Anytime D* gibi varyantlara genişletilebilir; çevre değişiklikleri olduğunda artan güncellemeler – dinamik otonom sürüş için önemli bir gereklilik.
  • [FONT:0) Heuristics aracılığıyla kullanılabilirlik:) Heuristic işlevi, alanya özgü bilgi (örneğin, trafik sıkışıklığı, yükseklik, dönüş kısıtlamaları) temel algoritmayı değiştirmeden, A*'yı farklı sürüş koşullarıyla uygulanabilir hale getirebilir.
  • [FONT:0)Proven pist kaydı: [Döntgenler, video oyunları ve rota planlama sistemleri birçok yazılım uygulama ve optimizasyona neden oldu, otonom araç takımları için gelişim riskini azalttı.

Meydanlar ve Pratik Bakışlar

Güçlülerine rağmen, gerçek dünya özerk araçlarda A* dağıtması, mühendislerin ele alması gereken önemli zorluklar sunuyor:

  • [FONT:0)C ⁇ karmaşıklığı:[Dönetici:[Dönetici:0) Büyük haritalarda milyonlarca düğüm (örneğin, bir şehir çapında yol ağı), A*, özellikle heuristic zayıf veya yol uzunsa, özellikle de en kötü zaman karmaşıklığı yeterince bilgilendirici değilse, arama derinliği ile birlikte büyür.
  • [FONT:0)Memory kullanımı:[Dönetici:[Dönetici:0) A* Tüm açık ve kapalı setleri depolar, büyük, ayrıntılı haritalar için önemli bir hafızayı gerektiren grafik pruning ve hierarchical arama gibi teknikler genellikle bellekte kabul edilebilir sınırları içinde tutmak için kullanılır.
  • [FONT:0]Heuristic hassasiyet:[Dönetici:[Dönetici:0) Aşırı iyimser bir heuristic (inmissible) aracın domaininin suboptimal yollarını üretebilir, çok çalışkan bir heuristic (heavily underestimating cost) performansı azaltır.
  • [FONT:0]Dynamic çevre işleme: Standart A* statik bir ortam varsayıyor, ancak otonom araçlar trafik, inşaat bölgeleri ve hareket engelleri değiştiriyor. Her seferinde bir değişim meydana gelen tüm yolu yeniden planlayın.Aksiants D* Lite veya alan D* tam yolu yeniden yorum yapmadan dinamik güncellemeler yönetebilir.
  • [[FONT:0) Grafik inşaat kalitesi:[Dönetici:[Dönetici:0) Algoritmanın çıkışı sadece temel grafik gösterimi olarak iyidir. sensör verilerindeki hatalar (örneğin, GPS sürükle, LiDAR gürültü) yanlış maliyet atamalarına yol açabilir, altoptimal veya güvenli olmayan rotalara yol açabilir. Robust harita nesli ve belirsizlik-aware maliyet heuristics aktif araştırma alanlarıdır.

Bu zorluklar A*'yi diğer planlama yöntemleriyle birleştiren hibrit yaklaşımların gelişimini teşvik etti. Örneğin, [[Dönetici:0)hybrid A*), ayrı bir grafik yerine sürekli bir devlet alanında çalışır, düzgün dönüş ve ters manevraların gerekli olduğu araç kinematikleri için uygun hale getirir. Hybrid A* birçok otonom otopark ve çok navigasyon sistemlerinde önemli bir bileşendir.

Variants ve A*'nın A Özerk Sistemler için Hazırlanması

Temel A* algoritması, otonom araç yol planlamanın özel taleplerini karşılamak için birçok yönden genişletildi. Bazı belirgin varyantlar şunları içerir:

  • [FONT=0]Hybrid A*:[Dönetici] Olası manevralardan örnekler ve A* sürekli (x, y, başlık) uzayında, bir hareket modeli kullanarak (örneğin, bisiklet modeli) bir DARPA Urban Challenge, hibrit A* planı kullanarak, yolsuz bir kanal optimizasyonu uygular.
  • [FONT:0] Herhangi bir zaman A*:[Dönetici: 1 ) Bu değişken, hızlı bir şekilde suboptimal yol üretir ve zaman geçtikçe daha iyi bir şekilde geliştirilebilir. Bu, aramayı yoğunlaştırmak için şişirilmiş bir heuristic (sigara A*) kullanır.
  • [[D* Lite: A'nın artan bir versiyonu * Bu, engel verileri değişiklikleri sırasında yolu verimli bir şekilde tamir eder. Önceki arama bilgilerini yeniden kullanır, A*'yı küçük harita güncelleştirmelerinden sonra ölçeklendirmekten iki ila üç derece daha hızlı hale getirir. D* Lite, yerel dinamik yeniden planlayıcı için mobil robotik ve özerk araçlarda yaygın olarak kullanılır.
  • [FONT:0]Weighted A* (WA*): ), Bir ağırlık (örneğin, w = 1.5) en uygun düğümleri en iyi şekilde genişletmek için, bu ticaret, yol kalitesi gerçek zamanlı yanıttan daha az kritik olduğunda kabul edilebilir olabilir.
  • D *:[D)Field D *:[Dönetici:0) Bir interpolasyon tabanlı planlayıcı, keyfi duruşlara izin vererek (sadece merkez-of-tel pozisyonları değil) kenar maliyetlerini hesaplamak için lineer bir interpolasyon kullanır, bu da post-işlem olmadan daha drable.

Bu tür varyantlar standart A * temel yapısını korurken, birçok üretim otomatik araç yığınları bir hibrit yaklaşımı uygular: küresel A* üst düzey bir haritada, D* Dinamik engeller için bir D * Lite yeniden planlayıcısı ve yerel bir kontrol yürütme için planlamacı.Bu algoritmaların entegrasyonu, öngörülemeyen ortamlarda uzun mesafe verimliliği ve kısa vadeli bir güvenlik sağlar.

Gerçek Dünya Uygulama ve Bütünleşme

A*'yi bağımsız bir araçta uygulamak, yazılım mimarisine, donanım kısıtlamalarına ve sensör füzyonuna dikkat gerektirir. Tipik olarak, yol planlama modülü algılama yığınından (parça algılama, şerit algılama ve yerelleştirme) bir harita alır ve kontrol modülüne bir yörüngede yapılmalıdır. A* algoritması sıkı bir gecikme sınırları içinde yapılmalıdır - küresel yeniden planlayıcı ve 10 milisaniye altında yerel ayarlamalar için 100 milisaniye altında.

Pratikte, mühendisler, açık listeye dayanan her hücreye (önderlik kuyrukları) uygun liste için optimize edilmiş veri yapıları kullanır ve çalıştırma süresine en aza indirmek için kapalı liste için ayarlar. Grafik genellikle bir yanwalk veya bariyere geçiş yaparken sonsuz bir maliyete sahiptir.* sonra, otoyol segmentlerine devam eden ve hiçbir zaman sınır dışı olmayan bölgelere giden bir yol bulur.

Popüler robotik çerçeveler, otomotiv kullanımı için uygun hale getirilebilir, ancak üretim otomatik araç sistemleri genellikle belirli HD haritalarına ve hesaplama platformlarına (örneğin, API Ride) göre özel uygulamalara dayanır.

Davranış planlama ile entegrasyon da kritik. Örneğin, bir davranış planlayıcısı aracın şerit değiştirmesi gerektiğini karar verebilir. O zaman küresel A* planlayıcısını bir şerit değiştirme yolu ile sorgular, yerel planlayıcının düzgün, çarpışmasız bir manevraya rafine ettiği. * planlayıcı, şerit değişikliğinin genel olarak en uygun bir rotanın parçası olduğundan emin olur, sadece yerel bir hızlı düzeltme değil.

Sonuç ve Future Yol

A * arama algoritması, birçok modern navigasyon sistemleri tarafından desteklenen, hızlı veya yakın optimize rotalarda, en iyi şekilde seyahat etmek için temel bir araç olduğunu kanıtlamıştır.A* arama algoritması, birçok modern navigasyon sistemlerinin arka kemiğini oluşturur.

İleriye bakıldığında, araştırma A*'yı birleştiren hibrit yöntemleri araştırıyor ve gerçek dünya sürüş verilerinden sezgisel işlevleri öğrenmek için makine öğrenimi ile entegre ediliyor. Deep sinir ağları trafik akış kalıpları, tipik gecikmeler ve hatta sürücü davranışları daha fazla bilgi sahibi olmaya devam edecek.Ayrıca, Monte Carlo ağacı arama ve güçlendirme öğrenimi gibi teknikler A* algı ve eylem sonuçları konusunda belirsizlikle entegre ediliyor.

Daha fazla okuma için, orijinal A* kağıt Hart, Nilsson ve Rafael (1968) temeldir ve A* üzerinde A*[Dönetici ve özellikleri hakkında ayrıntılı bilgi sağlar. Başka bir değerli kaynağın kitap müfredatı [Dönetici İstihbaratı][Döneticileri Nils Nilsson tarafından, hangi derinliğe dair ayrıntılı aramayı kapsar.