自主無人飛行器（UAV）在廣泛的應用中顯示出巨大潛力，包括自動包裹遞送和大范圍地理區域的監視。但是，為了在現實環境中完成任務，無人機需要能夠有效導航并規避周圍環境出現障礙。

瑞典呂勒奧工業大學和加利福尼亞理工學院的研究人員最近開發了一種基于非線性模型預測控制（NMPC）的計算技術，該技術可以為無人機提供更好的導航和避障能力。他們使用的NMPC方法發表在IEEE機器人與自動化快報上的一篇論文中，該方法基于OpEn（優化引擎）的結構，OpEn（優化引擎）是貝爾法斯特女王大學Pantelis Sopasakis博士開發的參數優化軟件。

進行這項研究的研究人員之一比約恩·林德奎斯特（BjörnLindqvist）對TechXplore表示：“我們的團隊先前發表了幾篇有關無人機自動避障和導航的作品。” “在我們最近的研究中，我們開始使用NMPC擴展避障的概念，以包括對移動或動態障礙的直接考慮。我們的目標是提供技術演示，說明現代智能控制結構如何使無人飛行器成為例如在城市環境中經常使用的環境中，周圍環境總是在移動，并且避免碰撞對于確保人員和其他車輛的安全非常重要。”

NMPC是基于優化的方案，可用于解決各種現實問題。該方案可以基于系統的數學模型以及在給定時間作用于系統的一系列控制輸入，對系統的未來狀態進行預測。

其預測涵蓋了多個未來時間步長，這些時間步長合起來稱為“預測范圍”。隨后，該方案以允許系統最有效地完成一組所需目標的方式（例如參考跟蹤）計算控制輸入。 ，避免障礙，保持約束等）。

Lindqvist及其同事在論文中表明，基于NMPC的模型可以在不斷變化的環境（例如城市）中為無人機提供先進的自主導航和避障功能。更具體地說，他們使用NMPC算法來預測無人機周圍環境中的障礙物軌跡，同時還使用分類模型來區分不同類型的軌跡并預測障礙物的未來位置。
 
Lindqvist說：“由于NMPC通過預測和優化未來狀態進行工作，因此我們也可以根據一些測量結果，通過預測移動/動態障礙物的未來位置來納入對移動/動態障礙物的直接考慮。” “這種方法提供了一種優雅的解決方案，將控制，局部路徑規劃和動態避障功能集成在一個控制層中。”

研究人員在許多實驗室實驗中評估了他們的NMPC方案。值得注意的是，他們的模型可以在無人機被多個移動障礙物包圍的各種情況下防止碰撞。

Lindqvist說：“在呂勒奧工業大學的機器人與AI團隊中，我們非常重視理論的實驗驗證。” “在我們最近的工作中，我們展示了NMPC架構如何即使在非常快速移動的障礙物的情況下也能提供無碰撞的軌跡，而又不違反規定的安全距離。我相信，這種避免障礙物是在城市環境中使用無人機的有趣途徑或與人類緊密互動。”

該研究強調了NMPC優化方案在增強無人機導航能力方面的巨大潛力。Lindqvist和他的同事們收集的發現也可以啟發其他研究團隊將類似的優化技術用于機器人控制和路徑規劃。最終，這將有助于無人機和其他可在擁擠而動態的環境中安全移動的移動機器人的開發。
Lindqvist補充說：“作為CoSTAR小組 DARPA地下挑戰賽的一部分，我相信在接下來的一年左右的時間里，我們將投入大量精力來探索無人機的地下勘探和路徑規劃這一主題。” “對于本文展示的動態避障，我們計劃進行未來的研究，旨在集成車載深度攝像頭（或類似設備）來跟蹤障礙，以及改進和推廣我們的障礙預測方法。”