《战场鲁棒路径规划》14页

自主战车依赖路径规划引导其抵达目标。此类路径易受两类干扰：通过车载传感器局部探测的不可通行障碍，以及恶意破坏。我们将鲁棒性定义为可融入路径规划多目标优化函数的附加参数。任一点的鲁棒性，是该点等时线图在设定行程时间下的函数输出值。该函数计算原始等时线图与四个主方向插入不可通行半圆形障碍后的等时线图面积差异总和。我们计算并比较两种不同权重下将鲁棒性作为输入参数的帕累托路径。

战斗场景的任务规划始于路径规划阶段。路径质量不仅取决于行进速度，更在于遭遇意外阻塞时提供可行替代路线的能力。2022年4月，俄军因缺乏此类预见性被迫弃置大量坦克。计划攻势因乌军封锁主干道唯一路径而受挫，转向越野的车辆陷入泥泞不可通行区域[1]。自主载具与有人载具相似，均遵循初始规划设定的远程路径。路径可根据实际行进情况与新感知信息动态更新。常用路径规划算法包括A*[2]与D*[3]等图遍历算法，边权值基于坡度、地形、土地覆盖等环境参数及路网数据确定。任务过程中，车载传感器持续提供高分辨率数据（含需规避障碍与不可通行斜坡）。当前正研发多种技术，旨在实现载具快速规避局部障碍的同时保持对远程目标路径的追踪[4,5,6]。现有路径规划方法未纳入路径易受敌方干扰或局部不可通行区域可能性的评估指标。此类阻塞可能源于新感知障碍，或路径规划算法所用低分辨率数据未能预判的地形突变。若无替代路线，阻塞严重性可能导致任务完全中断。本文定义新参数"鲁棒性"并融入路径规划函数。广义而言，鲁棒性衡量载具因障碍偏离预定路径时改道可能产生的时间影响。

本文简要介绍图论与等时线图相关背景，随后提出新型区域鲁棒性算法。通过定制应用程序截图展示研究成果——该程序实施多目标优化将鲁棒性融入路径规划算法。最后讨论成果及其在关键任务场景的应用价值。