火星車通過性評估技術現狀與展望

申 彥，鄒 猛*，黨兆龍，陳百超，李玉瓊

（1.吉林大學 工程仿生教育部重點實驗室，吉林 長春 130022；2.中國空間技術研究院 北京空間飛行器總體設計部，北京 100094；3.中國科學院 力學研究所 中國科學院流固耦合系統力學重點實驗室，北京 100190）

1 引言

隨著人類科技水平不斷提高，深空探測發展迅速。但由于地外行星地形地貌的未知性和復雜性，要完成對地外行星的研究探測，必須借助移動式星球車。考慮到地形的復雜性、信息的延遲以及自然環境的惡劣，火星車需要有良好的機動性和完善的通過性判斷方法來確保其安全運行。

在月球探索任務中，前蘇聯Lunoknod 月球車和美國載人月球車（Lunar Roving Vehicle，LRV）配備了測試月壤力學參數的儀器，但由于火星車質量和尺寸的限制，未攜帶測量火星壤力學參數的設備。因此，只能通過火星車對外界環境的感知來進行通過性評估。

目前，我國火星探測任務初步展開，在巡視探測方面相比美國還有較大差距，為了更好地對通過性進行判斷，有必要調研總結現有評估和預測方法。本文中第2 節介紹了通過性評估的研究背景，第3 節介紹了針對火星通過性的研究現狀，第4 節歸納總結了目前已發射成功的火星車的通過性評估方式，第5 節對當前存在的通過性評估新技術進行了討論，第6 節對未來的發展方向進行了展望。

2 地面車輛通過性評估

2.1 車輛通過性

地面車輛通過性指車輛能夠以一定速度通過各種危險地帶（如松軟地面、凹凸不同地面等）和障礙（如陡坡、側坡、壕溝、石塊、灌木）的能力。

通過性可以分為支撐通過性和幾何通過性。支撐通過性指車輛順利通過松軟土壤（如沙漠、雪地、冰面沼澤和星球表面等）的能力，主要取決于土壤的物理和力學特性。幾何通過性指車輛通過坎坷不平路段和障礙的能力，主要取決于車輛結構參數和幾何參數，通過分析接近角、離去角、離地間隙等車輛的結構參數，可以直接計算評估幾何通過性。判斷車輛通過性主要考慮兩方面，一是土壤對車輛的支撐作用，二是車輛本身的結構參數。本文將主要集中調研和分析星球車在松軟星表的通過性。

對于支撐通過性的評估，主要有以下兩種方法：

（1）經驗法，選擇具有代表性的車輛在相關地面進行測試，通過簡單的測量或現場觀察對地面進行識別，然后經驗性的將車輛性能的測試結果與所識別的地面特征關聯起來。有代表性的是美國陸軍水道實驗站所提出的基于圓錐指數的經驗方法，該方法使用圓錐指數來描述地面特性，該指數通過圓錐透度計（Cone Penetrometer）獲得，然后將車輛性能與錐形指數或其導數連接起來。除圓錐指數外，廣泛被用于描述地形特征的還有平均最大壓力（Mean Maximum Pressure，MMP）這一概念，其定義為在所有負重輪位置下的最大壓力的平均值。

（2）模型法，將地面-車輛視為一個系統，考慮車輛各部分的機械特征及車輛的工程結構影響地面-車輛系統的優劣順序，規定地面與車輛結構之間的關系，構建系統模型，并盡可能地用數學方程表示出來。主要采用兩個指標：牽引系數（單位掛鉤牽引力）和效率系數。

2.2 基于地面力學的支撐通過性評估

地面力學起初應用于評估野外復雜地形條件下車輛通過性［1-2］，后隨著阿波羅月球探測任務的成功進行，地面力學被應用于深空探測領域，發展出了新的分支。

20 世 紀30 年 代，M.G.Bekker 在波蘭華沙 工學院設立地面車輛力學學位課程并建立了相應的實驗室。在此之后，國內外眾多學者從車輪與地面相互作用的不同角度出發，提出了許多描述輪壤關系的方法，用以評價輪式車輛在松軟路面的行駛性能。這些方法包括：經驗法、半經驗公式、有限元和離散元仿真，逐漸形成了以試驗為主的經驗模型方法［3］，該方法被用于前蘇聯Lunoknod 與美國LRV 月球探測中，還有以物理模型為主的仿真數值計算方法［4-6］，以及使用修正的Bekker 承壓與剪切模型為基礎的半經驗法，該方法通過廣大科研工作者的實驗驗證，成為目前廣泛應用于描述剛性輪與松軟土壤間相互作用的動力學模型［7-9］。應用半經驗的地面動力學模型，通過輪壤之間的相互作用關系，在不增加火星車自身重量和設備的情況下，可以估計星壤力學參數，評估通過性。

3 火星通過性研究

3.1 火星表面及火星車

目前，成功進行火星探索的火星車共計6 輛，其登陸時間、地點以及運行狀態如表1 所示。其中，美國是火星探測最成功的國家，共有5 輛火星車已經成功登陸火星表面并進行科學探測研究，我國祝融號也在2021 年5 月15 日上午成功登陸火星并展開科學研究任務。

從火星登陸器和火星車發回的照片和數據可知，火星表面覆蓋一層松軟的火星壤，并且遍布隕石坑、石塊、沙丘與峽谷［10］。另外，火星表面的巖石分布密度大，覆蓋率約為14%～20%。這些外部的苛刻條件，要求火星車具有良好的機動性、平順性和通過性。

對于火星車而言，火星表面通過性是指火星車能夠安全通過各種火星表面（如松軟沙丘、薄殼和板狀巖石地面等）及各種障礙（如石塊、坡面和坑道等）的能力。同樣地，可以分為幾何通過性和支撐通過性。幾何通過性的評估是通過雷達、圖像信息進行判斷來避開陡坡、大石塊等；而支撐通過性由于無法先驗判斷火壤力學特性，只能進行簡單估計，勇氣號就因此陷入沙坑而導致探測任務結束，機遇號也因松軟地面的高滑轉改變探索目標，火星車的通過性評估難度很大。

火星車通過性評估重點在于感知外界環境信息。以感知到的信息作為通過性判斷的輸入條件，輸入來源越豐富，評估的可信度越高；特別是火星壤力學參數對支撐通過性的評估十分必要，是目前通過性評估的短板。

3.2 環境感知

為了能夠評估火星車通過性，需要通過感知系統對火星表面形貌和火星地面力學參數進行識別，為判斷提供依據。感知系統有著非常廣泛的定義，對于火星車而言，指的是通過一種或多種傳感單元實現對火星車本體的狀態監測以及對周圍探測環境的識別認知。

感知系統的組成多種多樣，根據傳感器類型的不同，通常來說可以將傳感器分為內部傳感單元和外部傳感單元，其中內部傳感指的是對火星車本體的位姿估計，如慣性測量單元、里程計等，外部傳感指的是對周圍環境的監測識別、狀態估計以及地形重構等，視覺相機、激光雷達等都屬于外部傳感的范疇。表2 展示了迄今為止成功探索火星的6 輛火星車的基本參數以及其所搭載的與通過性評估相關的科學載荷。

表2 火星車參數及載荷Tab.2 Parameters and loads of Mars rover

現有的感知系統通過圖像和位置信息進行路徑規劃、導航和通過性評估，沒有獲取火壤力學參數的手段。但是火星車在火星表面進行探索和科學研究時，了解和掌握火星車周邊火壤的力學參數對通過性評估至關重要。此外，該信息對于火星車車輪設計、牽引性能評價有著不可替代的作用。

3.3 火壤力學參數反演

目前還沒有國家能夠實現火星采樣返回，研究人員也無法獲得直接準確的火星壤物理力學參數。但火壤力學參數是通過性評估的主要輸入參數，為了彌補現有星球車環境感知缺少力學參數的缺陷。原位測量就成為獲取火星壤力學特性的重要手段，但是由于發射重量限制，目前在軌的火星車都沒有配備專門的設備測量火星壤的物理力學參數，只能應用火星車或登陸器的觸土部件（車輪、采樣鏟或足墊）反演計算火星壤的壓縮、剪切強度和容重等物理力學參數。從火星車和登陸器返回的照片可見，車輪在火星壤留下明顯的車轍痕跡，根據經典地面力學理論，車輛在松軟地面行駛時，通過車輪與地面的相互作用，支撐并推動其前進。因此，可以建立車輪與火星壤相互作用模型來估算火星壤的物理力學參數。

科研人員利用索杰納探測器單輪旋轉剪切土壤，根據庫侖定律對火星土壤的內聚力c和內摩擦角φ進行估測，進而判定該區域火星車的通過性［11］。結果顯示，在軌火星車周邊火星表面的火星壤內摩擦角均值為35.0°，內聚力均值為0.01 kPa。

勇氣號和機遇號也通過車輪與地面的相互作用，進行了7 次挖掘試驗和20 次刮擦試驗，對古謝夫坑（Gusev Crater）和梅里迪亞尼平原（Meridiani Planum）進行了火星壤的內聚力和內摩擦角的估算，其中對內聚力的估算采用電機功的比例模型和輪緣剪切應力模型［12-13］。最后得出，內摩擦角為30°～37°，內聚力為0～2 kPa。

鳳凰號探測器通過機械臂的挖掘試驗反演火壤的力學參數［14-15］，得出其內摩擦角為38°±5°，內聚力變化范圍為（0.2±0.4）kPa 至（1.2±1.8）kPa。

此外，哈爾濱工業大學丁亮等［16］通過分析祝融號車輪和火壤的相互作用關系，對祝融號行駛區域的表層火壤參數進行了評估，得出祝融號行駛區域火壤內聚力在1.5～6 kPa 的條件下時，火壤等效剛度估計為1 390～5 872 kPa/mN，內摩擦角為21°～34°，數據表明表層火壤的承載強度和內聚力均處于較高水平。

目前在軌的大部分火星車和探測器都對其周邊環境內的火星壤進行了力學反演，但是火星表面地形地貌復雜，火壤力學參數多變，原位力學反演受到諸多限制。為了簡化反演流程，提高星壤反演的準確性，麻省理工學院Karl Iagnemma 等人利用簡化輪壤關系模型，針對松軟沙土在線預測內聚力和內摩擦角［17-19］；與之相似的還有Shibly 反演模型［20］，適用于低內 聚力可變地形；還有應用神經網絡來對星壤的內聚力和內摩擦角進行反演［21］；以及應用牛頓迭代法估算星壤的內摩擦角、剪切變形模量和沉陷指數［22-23］。

4 火星車通過性評估

4.1 索杰納號

索杰納號火星車于1997 年7 月4 日在火星表面著陸，1997 年9 月27 日終止通訊，1998 年3 月10 日正式結束任務。它是人類送往火星的第一部火星車。索杰納號重10.6 kg，載荷5 kg，長65 cm，寬48 cm，高30 cm。最快行駛速度為1 cm/s，由0.25 m2的太陽能板和3 節蓄電池供電，見圖1。

圖1 索杰納號火星車Fig.1 Sojourner Mars rover

索杰納號火星車通過圖像和地形傳感器評估通過性，即地面操作人員從圖像中直觀地識別地形類別，然后進行路徑規劃，判別圖像來自導航相機（Navcams）。

在向目標位置前進過程中，索杰納號根據電機編碼器（驅動）和電位器（轉向）讀數的平均值檢測驅動電機運行狀態，當到達設定閾值時，電機停止工作。電機關閉時，機載系統通過前方的立體相機、五臺激光傳感器和接觸傳感器來進行危險判讀，遇到石塊時，根據車輪里程表、電位計、陀螺儀、加速度傳感器等信息進行轉向以避開障礙物，繼續向目標位置前進。每到一處位置，車載計算機還使用里程表和機載陀螺儀更新行進距離和方位信息［24］。

在探測期間，索杰納號一共行走了106 m，共計執行地面指令114 次，同時為了便于地面通訊和控制，索杰納號在與著陸器距離10 m 范圍內進行探測，且每行駛6.5 cm 進行一次風險評估［25］。

索杰納號在火星表面的通過性評估完全依賴于地面操作人員的判斷。根據著陸器所拍攝的周邊環境的照片、車體安裝的相機和5 臺激光測距儀，控制人員可以偵測周圍地形、發現障礙物、規劃安全路徑。盡管如此，索杰納號在行駛途中運行狀態是未知的，仍有很大風險。

4.2 勇氣號與機遇號

4.2.1 導航與定位方法

在火星車導航與路徑規劃中，位置判斷是非常關鍵的，由于慣性測量單元只能在短時間內保證定位精度，且在非結構化火星表面容易發生車輪打滑。因此，勇氣號和機遇號（Mars Exploration Rover，MER）采用視覺與慣性相結合的定位方法，在地形較為平坦且障礙物少的區域使用車載慣性測量單元（Inertial Measurement Unit，IMU）進行慣性導航，在比較松軟火壤或斜坡上使用雙目相機進行視覺導航，這種組合導航方式可以避免車輪打滑造成的誤差。

MER 還運用了車輪里程計、光束平差法、地面與衛星影像對比、無線電定位、天文導航多種定位方法，保證了導航信息的準確性與實時性［26］。

除以上方法外，MER 還采用了視覺里程表（Visual Odometry，VO）方法，通過火星車導航相機獲取序列立體影像進行相鄰影像的特征點追蹤實現自主定位，如圖2。為了保證前后立體影像之間有較大的重疊和較小的目標形狀變化，需要相鄰影像拍攝間距不超過75 cm，攝影方位角的變化不超過18°。該方法修正了航跡推算法因車輪打滑而帶來的定位誤差。

圖2 機遇號應用VO 法進行導航與定位（Sol304，8.7 m）Fig.2 VO method path planning and navigation for Opportunity（Sol304，8.7 m）

雖然VO 法定位精度較高，但由于火星車上計算機的限制，獲取和處理一個立體像對并更新位置和姿態需要近3 min。因而VO 法只用于部分短距離關鍵路徑上的局部定位（一般小于15 m），例如爬坡、滑轉嚴重和接近指定的科學目標。

勇氣號和機遇號火星車所用的視覺測程方法自主性強、精度較高，能改正航跡推算方法在車輪打滑和IMU 漂移時的定位誤差。其缺點是計算速度慢、只能用于局部定位，成功與否依賴于地形特征。針對在地形特征貧乏情況下VO法失敗的情況，應開發新的算法并結合其他定位方法予以克服。隨著計算機能力的提高和算法的改進，未來的VO 定位方法可以實現快速、全程定位，有望得到廣泛應用［27-28］

4.2.2 通過性評估方法

MER 自主導航和路徑規劃采用基于柵格法的火星表面通過性能評估方法（Grid-based Estimation of Surface Traversability Applied to Local Terrain，GESTALT），GESTALT 采用立體相機圖像去判別地面通過性和障礙物［29］，可以適用于狹窄和孤立的障礙區，但不適合密集障礙的地方。因此，在2006 年，基于D*法改進的field-D*法運用于MER 火星車導航軟件中。

勇氣號火星車在第Sol 779 天，右前輪驅動器失效鎖死，極大影響其機動性能。圖3 為Sol 781 勇氣號前避障相機拍攝的車輪失效后的車轍情況，可以明顯看出右前輪拖曳造成的痕跡［30］。

圖3 勇氣號右前輪鎖死車轍Fig.3 Track of right front wheel lock up of Spirit

勇氣號在Sol 1800 之后，沿著路線1 在Home Plate 區域行駛，過程中經歷了較陡斜坡和碎石沙地，時常發生大的沉陷。因此，在Sol 1829之后改為路線2，如圖4 所示。

圖4 Home Plate 區域地圖和備選路線Fig.4 Home Plate area map and alternative routes

由于在路線1 時常沉陷，JPL 團隊開發避險地圖。該地圖將坡度信息、團隊評估得到的土壤和地貌類型進行耦合，產生以紅-黃-綠為代表的火星表面風險表格地圖，如圖5 所示。在經過風險評估后，地面操作人員放棄了路線2，改為路線3。盡管如此，勇氣號依然在Sol 1886 陷入Troy沙地，在Sol 1899 左中輪失速，地面控制團隊最終停止操作。

圖5 勇氣號采用的火星表面風險地圖Fig.5 Mars surface risk map of Spirit

在事后的分析中，研究人員認為勇氣號是由于壓碎了薄殼地面而陷入粉狀無內聚力沙土中，這種地面具有視覺迷惑性，是勇氣號陷入沙地的主要原因。當然，右前輪的失效，使得地面推力減小是另外一個原因。

以上可知，基于視覺的風險評估，僅能避免巖石、陡坡等可被觀察到的障礙，不能獲取火壤強度參數。解決問題的關鍵在于研究車輪與地面的相互作用，其中滑轉率是關鍵。

4.3 好奇號

4.3.1 通過性評估方法

在MER 的基礎上，好奇號火星車通過性評估增加了滑轉率閾值，車載計算機實時監測滑轉率變化，并與數據庫中的滑轉率閾值進行對比，如果閾值超過設定值，好奇號自動停止行駛［31］。

好奇號行駛時，一個火星日接收一次地面的指令，其它時間依靠自主導航程序，自主導航的移動距離一般不超過100 m。為了準確地向好奇號發出移動指令，美國國家航空航天局（National Aeronautics and Space Administration，NASA）的噴氣推進實驗室（Jet Propulsion Laboratory，JPL）建立地面實驗室Mars Yard，如圖6 所示，并采用動態測試模型車（Dynamic Test Model，DTM）進行分析測試，評估好奇號在火星不同地形的通過性［32］。

圖6 JPL 火星地面試驗場Fig.6 JPL Mars Yard

Mars Yard 位于美國加利福尼亞帕薩迪納JPL 實驗室內，面積約2 500 m2，為室外試驗場。該試驗場具有不同的地形地貌，能夠代表好奇號在火星上遇到的大部分地形地貌。模擬火壤主要有三類：巖基路面、無內聚力和有內聚力的沙土。這三種模擬火壤是根據機遇號和勇氣號在火星上行駛過的區域地質狀況配置的［33］，如圖7所示。

圖7 Mars Yard 不同土壤種類和坡度場地Fig.7 Different soil types and slope of Mars Yard

另外，NASA 利用好奇號的另一臺模型車Scarecrow 在Mojave 沙漠的Dumont 沙丘進行試驗，以求更逼真地模擬火星表面，得到更接近的試驗數據，該沙丘與火星的蓋爾撞擊坑（Gale Crater）地形地貌接近［24］。Scarecrow 試驗車質量為340 kg，是好奇號質量的3/8。其車輪與懸架與在火星上的好奇號完全相同，如圖8 所示。

圖8 Scarecrow 在Mojave 沙漠試驗Fig.8 Experiment in the Mojave desert of Scarecrow

Scarecrow 使用蓄電池供電，無線操控。遙測信息與好奇號類似，包括電機電流、側傾/俯仰/偏航（IMU 測量）以及懸架角度，采樣頻率2 Hz。另外，每個車輪軸上還裝有超聲波測距儀以測量車輪下沉。

NASA 在Mars Yard 和Mojave 沙漠試驗場使用DTM 和Scarecrow 進行了大量的試驗，驗證不同土壤狀況和坡度下兩輛車的通過能力，以此評估好奇號在火星上不同地形的通過性。

2013 年5 月1 日，好奇號行駛至蓋爾撞擊坑，地形為Hummocky terrain。這是一種固結牢固的土壤，與Marsyard 中試驗場的粘性沙土地形接近。圖9 展示了DTM 在Marsyard 試驗場數據與好奇號在火星上的數據，由圖可知在小坡度的情況下，地面模擬試驗和好奇號在火星上的實測數據比較接近。

圖9 地面與火星數據對比Fig.9 Comparison of Earth and Martian data

好奇號在火星上的實測數據表明，地面模擬試驗可以準確評估火星車通過性，通過大量的地面試驗，控制人員了解了部分地形和坡度對好奇號移動性能的影響，增加了好奇號的探索范圍。

4.3.2 火星地形的影響

JPL 團隊為了分辨好奇號所經過火星表面的地形和地貌，通過機器學習中的隨機森林算法，建立火星表面地形分類器［34］，判別好奇號火星車周圍的地形，并將地形分為5 種：沙地（Sand）、松散巖石地（Loose rock）、巖基地面（Bedrock）、尖角石塊地面（Angular embedded rock）和圓角石塊地面（Round embedded rock），如圖10 所示。

圖10 火星表面五種地形Fig.10 Five terrain types of Mars

在此基礎上，JPL 團隊開發了火星車風險預測工具包和路徑規劃軟件。在路徑規劃時，分類器將火星車周邊地形進行分類，并將分類信息導入規劃軟件，操作者可以指定需要避開地形。

在2013 年10 月2 日（sol 411），地面控制人員通過圖片發現好奇號左前輪輪刺和輪輻之間的輪面區域出現了破洞。統計表明，好奇號車輪的損壞形式主要包括凹坑、刺穿和撕裂［35-38］，中間兩個車輪累計撕裂長度最大，其次為左前輪，這三個車輪的累計撕裂長度都已經超過2 m；左后輪和右后輪損傷最小，接近于0 m；右前輪介于中間，撕裂長度在0.5 m 左右。好奇號在整個行駛過程中，向前行駛了約9 km，向后行駛了約3.5 km。

為了提高好奇號的使用壽命，NASA 和華盛頓大學的科研人員基于地形對車輪的損傷程度對好奇號已通過地形進行了更詳細的分類［39］，如如圖11 所示，共分為9 類：平原（Smooth plains）、巖海（Rocky sand drift）、板狀巖石地面（Platy outcrop）、少量尖銳巖石地面（Subdued outcrop）、不規則尖角石塊地面（Irregular sharp outcrop）、密集巖石平原（Rock-strewn plains）、沙丘和波紋（Ripples and dunes）、薄板巖石（Thinly plated outcrop）地面和粗糙片狀巖石（Rough platy outcrop）地面。根據研究人員的估計，按照新的路徑規劃和行走策略，好奇號車輪還能行駛10 km。

圖11 好奇號在不同路面行駛車輪損傷情況Fig.11 Wheel damage of Curiosity on different terrains

在為好奇號規劃的新的行駛路徑中，其中一條便是使得好奇號從多巖石的平原地區駛離，并在火壤覆蓋較多的山谷行駛，即增加在沙丘和波紋地面（Ripples and dunes）的行駛距離，這種地面雖然不會對車輪產生損傷，但會產生滑轉和沉陷。

為了解波紋沙丘地面通過性，華盛頓大學（圣路易斯）、麻省理工大學和JPL 聯合，通過地面模型車（Scarecrow test rover）試驗、土槽試驗［40］（MIT soil-bin test）和仿真分析［41］（Artemis）研究了好奇號在波紋沙丘地面的通過性能，如圖12 所示。

圖12（a）的土槽實驗室位于MIT 地面力學實驗室，主要用于測試滑轉率與沉陷關系，試驗條件包括：輪上載荷、角速度、土壤類型等。圖12（b）的試驗采用好奇號的模型車Scarecrow，該模型車與好奇號具有相同的移動系統。圖12（c）的Artemis 仿真軟件基于傳統地面力學理論，并考慮了輪刺的影響，是在多剛體動力學軟件Adams基礎上開發而成，并通過MIT 土槽試驗進行可靠性驗證。

圖12 好奇號波紋沙丘通過性研究Fig.12 Trafficability of Curiosity on ripples and dunes

4.4 毅力號和祝融號

毅力號和祝融號于2021 年先后登錄火星，探測任務初步展開，兩輛火星車在火星上行駛距離較短，對于兩輛火星車在火星上的通過性研究還需要進一步分析，本文對兩輛火星車的結構創新和技術改進方面加以討論。

毅力號被稱為好奇號的“孿生兄弟”，如圖13所示。毅力號火星車在研制過程中使用了好奇號大多數備用部件，包括核能發電機、車輪、底盤及著陸系統［42-43］，結構跟好奇號相似。同時為了避免出現類似好奇號車輪破損的情況［44］，研究人員對車輪進行了相應的改進，包括增大輪輞厚度，增大直徑，減小寬度［45］，這樣使得毅力號可以適應更為崎嶇的路面。

圖13 毅力號火星車Fig.13 Perseverance Mars rover

相比于好奇號，毅力號自主導航程度有了較大提高［46］，在好奇號的基礎上，毅力號自主導航（AutoNav）系統引入了增強導航技術，可以更精確地預測危險，同時毅力號配備了專門用于自主導航和路徑規劃的視覺計算元件（VCE），與主計算機可以并行使用，這使得毅力號具備連續自主導航能力，提高了毅力號通過性評估的準確性。毅力號自主導航如圖14 所示，相比于好奇號，毅力號自主導航在地形三維重構、路徑規劃和計算速度上都有了極大提高。

圖14 毅力號自主導航Fig.14 Self-navigation of Perseverance

此外，毅力號所搭載的“小機靈”無人機也將為毅力號勘察預期30 天的最佳行駛路線以及探索毅力號無法抵達的區域［47］。毅力號桅桿導航相機中間和車體左側還裝有麥克風，用于獲取火星地面環境聲音，同時也可以記錄毅力號行駛時驅動電機的聲音，在某些情況下，聲音可以幫助地面專家判斷毅力號的行駛狀況［48-49］。

需要說明的是，毅力號通過性判斷主要還是依賴地面專家團隊進行，毅力號共搭載23 個相機鏡頭，其中有9 個與導航和路徑規劃相關，所配備的桅桿變焦相機系統，可以輕松快速地對周圍環境進行3D 成像，地面操作人員通過特制的3D 眼鏡可以查看毅力號周圍環境，這項技術之前同樣也被用于好奇號的路徑規劃中［50］。

為提高祝融號在火面復雜環境下的通過能力，設計者根據祝融號移動系統特點，面對不同坡度狀況設計多種爬坡方式，并針對火星薄殼松軟地面環境制定了脫困策略［51-52］。

祝融號移動系統設計采用被動搖臂懸架，是目前行星探測車移動系統廣泛采用的一種懸架形式，在此基礎上，設計人員進行了高通過性懸架設計。當祝融號陷入松軟沙土時，可以通過調整各搖臂之間夾角，以蠕動的方式脫離沉陷，如圖15 所示。

圖15 祝融號蠕動脫困試驗Fig.15 Creeping extrication test of Zhurong

高通過性懸架設計可以保證在驅動電機發生故障時，通過調整各擺臂之間的夾角，達到懸空某一車輪的目的，祝融號在此狀態下行駛，依舊保持穩定，如圖16 為融號模擬車輪失效試驗。

圖16 祝融號模擬車輪失效試驗Fig.16 Simulated wheel failure test of Zhurong

為了避免類似好奇號車輪破損情況的發生，研究人員進行了祝融號車輪跌落破壞試驗。如圖17 所示，在障礙前方固定直徑8 mm，地表長度50 mm 的螺栓，障礙最大高度為200 mm，多次跌落破壞試驗均未對車輪和移動系統造成影響。

圖17 祝融號車輪跌落破壞試驗Fig.17 Drop damage test of Zhurong wheel

除跌落破壞測試外，為驗證移動系統極端環境下的穩定性，研究人員模擬火星尖角巖石地形，對祝融號進行試驗，如圖18 所示，試驗過程中實時監控各機構運行狀態，結果證明祝融號移動系統在面對極端地面條件下，依舊能穩定運行。

圖18 祝融號極端地面條件試驗Fig.18 Extreme ground condition test of Zhurong

祝融號優秀的結構設計保證了其在火星上的良好運行。截至到Sol 60，祝融號在火星爬升高度不超過4 m，累計行駛450.9 m，滑轉率始終處于較低水平［16］，如圖19 所示。

圖19 Sol 23-60 祝融號滑轉率與行駛里程Fig.19 Sol 23-60 slip ratio and mileage of Zhurong

5 通過性評估新方法

5.1 基于熱貫量

熱紅外成像是傳統的深空探測手段，熱慣量在行星遙感探測中占有重要地位，2001 火星奧德賽號所搭載的熱輻射成像系統（Thermal Emission Imaging System，THEMIS）可以偵測從火星表面輻射的9 個熱紅外線波段，主要被用于檢測火星礦物成分［53］。此外，THEMIS 熱輻射成像系統還為機遇號路徑規劃提供幫助［54］，如圖20 所示，通過THEMIS 所拍攝的熱成像地圖，機遇號在前進過程中避開熱慣量較高的地區（圖中紅色區域），而在熱貫量較低的地區活動（圖中藍色區域）。THEMIS 熱輻射成像系統的空間分辨率較低（100 m/pixel），只能在大范圍內輔助判斷。不過隨著儀器設備的小型化技術不斷成熟，好奇號搭載了地面溫度傳感器（Ground Temperature Sensor，GTS）用于局部地區熱慣量檢測［55］，毅力號也配備了熱紅外傳感器（Thermal Infrared Sensor，TIRS）作為火星環境感知器的一部分［56］。

圖20 機遇號在Endeavour 撞擊坑行駛路線Fig.20 Opportunity travel route in Endeavour crater

對于土壤來說，熱慣量是土壤的一種熱特性，它是引起土壤表層溫度變化的內在因素，熱慣量和火壤的粒度、密實度和顆粒膠結等有直接關系［57］。熱慣量公式為，其中：I是熱慣量，k是熱導率，ρ是表面材料的容重，c是比熱容。從宏觀角度來講，熱貫量是行星表面對溫度變化阻力的度量［57-59］，通過分析多光譜紅外數據，可以確定土壤的熱導率，熱導率取決于土壤的容重，進而可以計算土壤的孔隙率，而孔隙率又與土壤的內聚力和內摩擦角有關。

通過熱成像進行行星漫游車的非幾何危險探測是未來通過性判斷方向之一，Cunningham等［60］人根據不同密度顆粒地形熱貫量不同的性質，在一天內持續監測松軟和緊實的顆粒地形，構建24 h 熱慣量擬合模型，提出了一種利用熱成像分析確定顆粒地形松散度的方法。

卡內基梅隆大學和JPL 實驗室的研究人員，通過在沙土地形上的一系列試驗，將熱貫量和滑轉率聯系起來［61］，如圖21 所示。

圖21 熱慣量與滑轉率Fig.21 Thermal inertia and slip ratio

在此基礎上，他們將來源于好奇號機載的地面溫度傳感器和在軌的熱輻射成像系統THEMIS 所探測的熱貫量數據同好奇號行駛過程中的滑轉率數據相結合，采用混合專家算法來建立熱慣量與滑轉率模型，將土壤熱慣量和滑轉率進行對應和分類。如圖22 所示，左圖為THEMIS數據，右圖為GTS 數據，實際數據證明熱慣量和滑轉率之間有密切聯系。

圖22 滑轉率與熱貫量-坡度Fig.22 Slope and thermal inertia versus slip ratio

除了將熱貫量信息同滑轉率聯系外，還可以使用紅外圖像傳感器將熱慣量信息同視覺圖像融合［62］，借助機器學習進行通過性預測。此外，熱慣量還可用于月球表面通過性評估，對于月球兩極的永久陰影環形山來說，可以通過熱成像尋找月球兩極陰影地區危險低密度風化層，相關研究證實了其可行性［63］。

5.2 基于深度學習與數據驅動

在利用圖像進行路徑規劃同時，NASA 研究人員也基于圖像信息和地面力學理論進行路徑尋優，在保障安全通過的前提下，找到能源消耗最少的路徑，提出了VeeGer 算法（Vision-based Estimation of Expending and Generating Energy for Rovers）。根據圖像信息，對火星車前方路面進行分類和地面力學參數判別，然后計算扭矩和功率［64］，如圖23 所示。

圖23 VeeGer 算法路徑規劃Fig.23 VeeGer algorithm for path planning

對于具有科學意義但探測風險較大的地形，例如巖石較多，地形崎嶇的隕石坑。澳大利亞野外機器人中心提出了一種新的地形可穿越性估計算法用于預測在可變地形下火星車的姿態和底盤變化，進而評估火星車通過性［65］，其原理如圖 24 所示。

圖24 R*-TTE 算法Fig.24 R*-TTE algorithm

除了火星車的通過性預測之外，NASA 針對火星表面開發了基于視覺的地外天體地形分類軟件系統SPOC（Soil Property and Object Classification），通過深度神經網絡學習人類專家給出的少量實例，得到可以應用于大規模數據分析的學習模型，并在火星科學實驗室任務（Mars Science Laboratory，MSL）中得到了驗證。該算法使用卷積神經網絡（Convolutional Neural Networks，CNN）分類器進行地形分類和滑轉率判斷，分類器可根據火星車原位信息進行深度學習，并對地形進行可視化分類并估算滑移率［66］。火星2020 火星車任務（Mars 2020 Rover Mission）采用了該算法及其升級算法，如圖25 所示。

圖25 MSL 地形分類器Fig.25 MSL terrain classifier

數據驅動目前在自動駕駛領域被廣泛應用。康考迪亞大學和麻省理工大學的研究人員使用數據驅動的方法預測星球車通過性風險［67］，通過采集的海量數據，將數據進行組織并形成信息，之后對相關的信息進行整合和提煉，在此基礎上經過訓練和擬合形成自動化的決策模型。他們建立了一個ASAS 數據驅動模型，時刻檢測并預測火星車行駛時的滑轉率，當新的情況發生，即新數據輸入的時候，系統可以用前面建立的模型以人工智能的方式直接進行決策。如圖 26 所示，綠色表示低風險，黃色表示中等風險，紅色表示高風險。從圖中可以看出，預測值隨著滑轉率數據的采集而不斷發生變化。

圖26 ASAS GUI 滑轉率預測Fig.26 ASAS-GUI slip prediction

6 結論與展望

火星車通過性評估技術在不斷發展的過程中已逐漸形成多學科交叉、多傳感、多信息融合的智能化模式，隨著車載計算能力的不斷提高，自主導航技術被廣泛應用，新興的通過性評估方法不斷涌現。

我國即將開展天問2 期火星探測，對于未來的火星車通過性評估，我們應當重視智能通過性評估的能力，即在現有的軟硬件條件下，發展線上的多信息融合通過性評估方法，同時線下結合機器學習進行火星地形分類、非幾何危險預測、火壤參數反演等研究。為未來實施智能火星車研制、通過性評估和路徑規劃提供理論依據和數據參考。