洪晓斌，徐郑攀，魏新勇，朱坤财，陈远明

（1.华南理工大学 机械工程学院，广东 广州510640；2.华南理工大学 土木与交通学院，广东 广州510641）

1 引 言

水 面无人艇（Unmanned Surface Vehicle，USV）作为一种水上新型智能无人航行载体，常被用来执行危险系数高、作业环境恶劣等系列任务。在复杂多变的动态海洋环境下，高度智能化避障水平是USV 能够安全航行的重要保障。相对于静态障碍物，海面上的动态障碍物更易导致碰撞危险，因此根据感知信息进行动态的局部路径规划具有重要意义。

在路径规划和避障方面，常用的算法有蚁群算法［1］、粒子群算法［2］和单目视觉避障算法［3］等。USV 由于其运动环境的特殊性，需要对传统的避障算法进行针对性的改进以适应复杂的海况。针对USV 的动态避障问题，国内外学者取得了多项研究成果。Hu 提出了一种新颖的分层多目标粒子群优化（H-MOPSO）智能算法，该算法使用多目标优化方法生成安全且符合海事规则的路径［4］。Park 使用概率方法计算碰撞风险，并在预测的轨迹上配置碰撞风险区来避开动态障碍物［5］。Johansen 结合船舶航行动力学提出了一种基于模型预测控制的船舶动态避障方法［6］。Chen 设计了一种结合动态窗口算法和A*算法的混合算法来提高避障过程中的可靠性［7］。Lin 将强化学习引入USV 避障过程中，提出了一种基于策略优化的Q 学习算法（SO-QL）来加快USV 路径规划的速度［8］。Zhang 提出了一种结合遗传算法和模拟退火算法的路径规划方法来优化避障路径［9］。Joohyun提出了一种基于深度强化学习（DRL）的动态避障方法［10］。……