生物导航机制启发的智能驾驶路径规划技术综述.pdfVIP

专题：智能驾驶

AI-VIEW

2023年第5期

生物导航机制启发的智能驾驶

路径规划技术综述

□/121*

文李金瑜，宋非，斯白露

（1.北京师范大学系统科学学院，北京100091；2.中国科学院沈阳自动化研究所，沈阳110016）

摘要：随着人工智能技术的快速发展，智能驾驶系统备受瞩目。目前，智能驾驶技术已成为人

工智能领域的热门研究方向之一，呈现出广泛而深远的前景。然而，现有的智能驾驶系统仍存

在一些局限，例如路径规划技术需要大量计算资源，对大规模和动态环境的适应能力有限。随

着神经科学的进步，生物导航和空间认知机制逐步被揭示。本文从生物导航的角度出发，综述

了哺乳动物大脑的空间认知机制，并介绍了几种受空间认知启发的类脑导航算法。我们期望这

些研究可以激发智能驾驶路径规划技术的创新，实现更智能更安全的路径规划，甚至能够选择

未曾探索的捷径，从而实现灵活的导航。

关键词：智能驾驶；路径规划；生物导航

中图分类号：Q189；U471.1文献标志码：A文章编号：2096-5036(2023)05-0070-08

DOI：10.16453/j.2096-5036.202349

0引言

智能驾驶是一项利用计算机、通信、传感器和控制技术的领域，旨在提升汽车的自

动化、智能化、人机互动和信息化水平[1]。这一技术的出现显著减轻了驾驶员的认知负

担，提高了驾驶的便捷性。汽车智能驾驶领域发展潜力巨大，可为未来交通系统的效率

提升带来重大机遇。智能驾驶包括环境感知、路径规划和轨迹跟踪等核心技术。路径规

划技术涉及确定车辆或机器人在空间中的最佳行进路径，以确保在复杂的道路环境下车

辆能够安全高效地行驶[2]。路径规划不仅包括路线选择，还包括出发点到目的地的整体

路线规划以及行进过程中的实时路径调整。该过程需要考虑多个因素，如道路网络、交

通规则和实时交通信息，以确保车辆能够避开障碍物、遵守交通规则、适应道路状况，

并最终安全到达目的地[3]。相比之下，生物导航系统展现出令人惊讶的导航能力。动物

们可以在没有高精度地图、准确传感器和高性能计算资源的情况下，远行寻找食物，然

后精确地返回巢穴，例如蜜蜂[4]、蚂蚁[5]、老鼠和蝙蝠[6]。研究表明[7]，它们在导航过

程中采用不同的策略组合，以规划出最优路径，甚至可能是未曾探索过的路径，从而帮

助它们在环境中找到食物并安全回巢。本文着重关注智能驾驶领域的路径规划技术。然

70

生物导航机制启发的智能驾驶路径规划技术综述

而，众所周知，现有的智能驾驶路径规划算法通常仅适用于特定环境，其泛化能力受限，

而且在大尺度环境中依赖庞大的计算资源。因此，本文的目标在于借鉴生物导航机制的

原理，为智能驾驶领域的路径规划技术提供新的启发，使智能驾驶系统能够更智能地规

划路径，甚至能够选择一些未曾探索过的捷径。这种灵活的路径规划能力能够更好地应

对复杂的道路状况，实现更高水平的避障效果。

1智能驾驶路径规划现状与存在问题

路径规划按照功能的不同主要可以分为全局路径规划算法和局部路径规划算法。全

局路径规划可以给出两点之间的最优（短）路径，分为基于图搜索的方法和基于采样的

方法。局部路径规划可以应对未知环境下的动态路径规划。

1.1全局路径规划

1.1.1基于图搜索的方法

Dijkstra算法[8]：该算法的核心思想是通过不断选择当前节点和更新邻居节点的距

离，逐步确定起始节点到其他节点的最短路径。该算法具有较强的鲁棒性，且能计算出

两点之间的最优路径；但算法缺陷在于计算复杂度高，存储量大，不适合应用于大场景，

并且该算法不适合用于动态场景。

A*算法[9]：该算法使基于Dijkstra算法的改进，是一种启发式算法，适合用于静

态环境。其核心思想是综合考虑节点的实际代价和启发式函数的估计值，以找到最优路

径。该算法相对灵活，可以通过调节启发式函数控制算法的速度和精确度；但该算法的

局限也在于启发式函数的选择对算法的性能影响较大，同时该算法实时性较差，规