Field Testing of a Stochastic Planner for ASV Navigation Using Satellite Images
University of Toronto(多伦多大学);Robotics Institute(机器人研究所);Carnegie Mellon University(卡内基梅隆大学);Division of Engineering Science(工程科学学院);Department of Computer Science(计算机科学系);Institute for Aerospace Studies(航空航天研究所)
提出一种用于淡水湖泊水质监测的ASV多传感器导航系统,利用卫星图像作为先验地图离线制定任务级策略,将可通行性不确定性建模为随机边以最小化预期行驶距离,并通过局部规划器在实地测试中验证了其有效性。
2024-08-23 cs.RO
Nonlinear Model Predictive Control with Obstacle Avoidance Constraints for Autonomous Navigation in a Canal Environment
Korea Advanced Institute of Science and Technology(韩国科学技术院)
针对运河狭窄环境下小型巡航船的自主导航需求,提出带避障约束的非线性模型预测控制方法,通过系统辨识适配船舶动力学,结合LiDAR点云构建避障约束,经浦项运河实地实验验证了有效性。
2023-07-19 cs.RO
A Multimodal Stochastic Planning Approach for Navigation and Multi-Robot Coordination
Johns Hopkins University(约翰霍普金斯大学)
本文提出一种基于采样的滚动时域多模态随机规划器,通过交叉熵方法优化多模态策略,提升鲁棒性与探索能力,可扩展至多机器人无碰撞规划,经数值模拟和硬件实验验证其在陷阱环境、多机器人避障中的效果及实时性。
2025-09-23 cs.RO
Unscented Kalman Filter with a Nonlinear Propagation Model for Navigation Applications
Hatter Department of Marine Technologies, Charney School of Marine Sciences, University of Haifa(海法大学海洋科技学院查内海洋科学学院)
本文提出了一种基于非线性动态模型的无迹卡尔曼滤波器,以提升导航应用中的估计精度和性能。
2025-08-31 cs.RO eess.SP
Sequential Gaussian Variational Inference for Nonlinear State Estimation and Its Application in Robot Navigation
University of California, Irvine(加利福尼亚大学欧文分校)
提出序贯高斯变分推断(S-GVI)方法,将序贯贝叶斯原理集成至GVI框架并利用统计近似与梯度更新解决非线性问题,仿真与真实实验证明其状态估计性能显著优于MAP方法。
2024-11-18 cs.RO
Safety-Critical Quadrotor Navigation Using Fourth-Order Control Barrier Functions with Full Nonlinear Quadrotor Dynamics
Worcester Polytechnic Institute(伍斯特理工学院);Nanyang Technological University(南洋理工大学)
该研究针对分层架构下四旋翼导航的平移安全目标与姿态演化不匹配问题,提出基于四阶控制障碍函数的安全控制器,结合积分高阶CBF技术,经仿真和实飞验证可实现可靠避障与安全导航。
2026-10-14 cs.RO
Uncertainty-aware hybrid paradigm of nonlinear MPC and model-based RL for offroad navigation: Exploration of transformers in the predictive model
McGill University(麦吉尔大学)
该研究提出一种融合非线性MPC与基于模型RL的越野导航混合方案,用transformer替代BADGR的LSTM提升预测性能,通过模型集成估计不确定性实现动态规划,结合车辆运动学优化决策,效果优于现有基线。
2023-10-01 cs.RO
Upper Bounds for Continuous-Time End-to-End Risks in Stochastic Robot Navigation
University of Texas at Austin(德克萨斯大学奥斯汀分校)
我们提出了一种分析方法来估计连续时间的碰撞概率的运动计划的自治代理与线性控制伊藤动力学。由于现实世界中固有的不确定性,规划算法生成的运动规划在现实中不能被自主智能体完美地执行。估计端到端风险对于描述轨迹的安全性和规划风险最优轨迹至关重要。在本文中,我们推导出的连续时间的风险在随机机器人导航的布朗运动的性质,以及布尔和亨特的不等式从概率论的上限。使用地面机器人导航的例子中,我们数值证明,我们的方法是相当快的天真的蒙特卡罗抽样方法和建议的界限比离散时间的风险界限执行更好。
2022-05-17 cs.RO cs.SY eess.SY
Deterministic and Stochastic Analysis of Deep Reinforcement Learning for Low Dimensional Sensing-based Navigation of Mobile Robots
Technological University of Uruguay(乌拉圭技术大学);Federal University of Rio Grande - FURG(里奥格兰德联邦大学(FURG));Universidade Federal de Santa Maria - UFSM(圣玛丽亚联邦大学(UFSM))
深度强化学习(Deep-RL)中的确定性和随机技术已经成为改善各种机器人的运动控制和决策任务的有前途的解决方案。以前的工作表明,这些Deep-RL算法可以应用于移动机器人的无地图导航。然而,它们倾向于使用简单的感测策略,因为已经表明它们在高维状态空间中表现不佳,例如从基于图像的感测中产生的状态空间。本文提出了两种深度RL技术-深度确定性策略梯度(DDPG)和软演员批评(SAC)-当执行任务的移动机器人的无地图导航的比较分析。我们的目标是通过展示神经网络架构如何影响学习本身来做出贡献,并根据每种方法的空中移动机器人导航的时间和距离给出定量结果。总的来说,我们对六种不同架构的分析突出表明,随机方法(SAC)更适合更深层次的架构,而确定性方法(DDPG)则相反。
2022-09-13 cs.AI cs.RO
Stochastic Planning for ASV Navigation Using Satellite Images
University of Toronto(多伦多大学);University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究所)
针对卫星地图与实际湖泊的差异及环境干扰导致ASV采样路线规划难的问题,提出一种最小化预期总行驶距离的鲁棒路径规划算法,经千湖仿真与3.7公里实湖实验验证了有效性。
2023-04-28 cs.RO
Upper and Lower Bounds for End-to-End Risks in Stochastic Robot Navigation
University of Texas at Austin(德克萨斯大学奥斯汀分校)
我们提出了新的上限和下限估计的碰撞概率的自主智能体运动计划与离散时间线性高斯动力学。由于现实世界中固有的不确定性,由规划算法生成的运动规划在现实中不能被自主智能体完美地执行。碰撞概率的估计对于描述航迹的安全性和规划风险最优航迹至关重要。我们的方法是一个应用程序的标准结果在概率论,包括不等式的亨特,Kounias,Frechet,和道森。使用地面机器人导航的例子中,我们数值证明,我们的方法是相当快的天真的Monte Carlo抽样方法和建议的界限是显着不太保守比布尔界常用的文献。
2021-10-29 cs.RO cs.SY eess.SY
Stochastic High Fidelity Simulation and Scenarios for Testing of Fixed Wing Autonomous GNSS-Denied Navigation Algorithms
Polytechnic University of Madrid(马德里理工大学);Boeing Research & Technology Europe (BR&TE)(波音欧洲研究与技术部)
自主式无人飞行器(UAV)惯性导航表现出对全球导航卫星系统(GNSS)信号的可用性的极端依赖性,没有GNSS信号,它会引起缓慢但不可避免的位置漂移,如果GNSS信号没有恢复或飞行器没有到达可以通过遥控恢复的位置,则可能最终导致平台丢失。本文描述了一种固定翼低SWaP(尺寸、重量和功率)自主无人机在湍流和变化天气中的随机高保真度飞行仿真,旨在测试和验证不同导航算法的GNSS拒绝性能。它的开源\nm{\CC}实现已经发布并公开提供。机载传感器包括加速度计、陀螺仪、磁力计、皮托管、大气数据系统、GNSS接收器和数码相机,因此仿真对惯性、视觉和视觉惯性导航系统有效。考虑了涉及全球导航卫星系统信号丢失的两种情况:第一种情况是在经历不同天气的情况下中止飞行任务并前往远程恢复地点所涉及的挑战,第二种情况是根据一系列紧密间隔的方位变化继续飞行任务。所有的模拟模块都尽可能少地进行简化,以增加结果的真实性。虽然飞机性能及其控制系统的实现是确定性的,但所有其他模块,包括任务、传感器、天气、风、湍流和初始估计,都是完全随机的。这使得每个建议的导航系统的强大的评估,通过蒙特卡洛模拟,依赖于大量的执行这两种情况。
2021-12-01 cs.RO cs.SY eess.SY
RL-Guided PAC-NMPC for Probabilistically-Safe Perception-Based Navigation in Unknown Environments
本文提出RL引导的PAC-NMPC方法,结合随机模型预测控制与强化学习,通过概率模型和硬约束实现未知环境中基于感知导航的概率安全,仿真和硬件实验验证了其安全性与扩展性。
2026-10-01 cs.RO
A Navigation Function For Uncertain Environment
提出了一种新的面向随机场景的运动规划算法。我们将导航功能的概念扩展到这样的场景。我们的主要想法是考虑玩家位置的高斯分布概率和在工作空间中操作的对象的圆盘(或星集)几何形状。我们通过公式化包含两者的概率密度函数来做到这一点。我们使用PDF来定义机器人,障碍物和配置空间边界之间的度量。为了定义导航功能,我们制定了一个安全的碰撞概率值。通过分析调查的PDF,我们发现一个方便的近似的安全距离的意义上的度量。我们证明,由此产生的地图是一个导航功能,并证明我们的算法在各种情况下。
2016-07-24 cs.RO
Stochastic COLREGs Evaluation for Safe Navigation under Uncertainty
Technical University of Denmark(丹麦技术大学)
针对船舶会遇态势评估中的随机不确定性导致COLREGs违规风险,提出一种可解释的概率评估方法,提供不确定性度量,支持有人及自主船舶决策,并通过仿真验证其有效性。
2024-02-08 cs.RO cs.SY eess.SY
Hybrid Nonlinear Observers for Inertial Navigation Using Landmark Measurements
Western University(韦仕敦大学);Lakehead University(湖首大学)
本文研究了基于地标测量的刚体系统姿态、位置和线速度估计问题。我们在矩阵李群$SE_2(3)$上设计了两个混合非线性观测器,使得观测器具有全局指数稳定性.第一个观测器依赖于固定的增益,而第二个使用可变的增益取决于连续Riccati方程(CRE)的解决方案。这些观察员,然后扩展到处理偏置角速度测量。仿真和实验结果都说明了所提出的观测器的性能。
2020-05-14 cs.RO cs.SY eess.SY
Nonlinear Deterministic Observer for Inertial Navigation using Ultra-wideband and IMU Sensor Fusion
Carleton University(卡尔顿大学);The Hong Kong Polytechnic University(香港理工大学);Georgia Institute of Technology(佐治亚理工学院);Bowling Green State University(鲍灵格林州立大学)
针对GPS拒止环境,本文提出一种基于扩展 $\mathbb{SE}_{2}(3)$ 的连续非线性确定性UWB/IMU融合观测器,可估计刚体姿态、位置和速度,并经真实无人机数据集验证其离散实现的指数收敛性。
2023-08-15 cs.RO cs.SY eess.SY
UWB Ranging and IMU Data Fusion: Overview and Nonlinear Stochastic Filter for Inertial Navigation
Carleton University(卡尔顿大学);The Hong Kong Polytechnic University(香港理工大学);Georgia Institute of Technology(佐治亚理工学院)
针对惯性导航需求,本文提出融合UWB与IMU的非线性随机互补滤波器,基于$\text{SE}_2(3)$扩展李群设计以避免奇异性与非唯一性,可处理协方差上界未知的IMU噪声,经公开MAV飞行数据集验证具备鲁棒性。
2023-08-25 cs.RO cs.SY eess.SY
Boundary-Aware Value Function Generation for Safe Stochastic Motion Planning
Expedia Group(亿客行集团);U.S. Army Research Laboratory(美国陆军研究实验室)
提出一种边界感知安全随机规划框架,通过有限元与核函数结合生成价值函数以严格区分安全与边界空间,实现复杂环境下的安全导航。
2024-03-22 cs.RO
Nonlinear Observers Design for Vision-Aided Inertial Navigation Systems
Western University(西安大略大学);University of Quebec in Outaouais(魁北克大学乌塔韦校区);Lakehead University(湖首大学)
本文研究了视觉辅助惯性导航系统中姿态、位置和线速度的同时估计问题。我们提出了一个非线性观测器$SO(3)\times \mathbb{R}^{15}$依赖于身体框架的加速度,角速度和(立体或单目)轴承测量的一些地标是恒定的,在惯性系中已知的。与现有的局部卡尔曼型观测器不同,我们提出的非线性观测器保证几乎全局渐近稳定性和局部指数稳定性。对该系统的一致可观性进行了详细的分析,并给出了其一致可观性的充分条件。此外,一个混合版本的建议观察者提供处理的间歇性测量在实际应用中。仿真和实验结果表明了所提出的状态观测器的有效性。
2021-06-01 cs.RO cs.SY eess.SY
Data-Driven Sampling Based Stochastic MPC for Skid-Steer Mobile Robot Navigation
Institute for Experiential Robotics, Northeastern University(东北大学体验式机器人研究所);Amazon(亚马逊);Toyota Research Institute (TRI)(丰田研究所)
本文提出一种基于高斯过程增强单轮车模型和机会约束MPPI的随机模型预测控制方法,统一滑移转向机器人的路径跟踪与避障,实现高速导航中的高精度与安全性。
2024-11-05 cs.RO cs.SY eess.SY
STEP: Stochastic Traversability Evaluation and Planning for Risk-Aware Off-road Navigation
University of Tokyo(东京大学);California Institute of Technology(加州理工学院);Jet Propulsion Laboratory, California Institute of Technology(加州理工学院喷气推进实验室)
虽然地面机器人自主性在结构化和受控环境中得到了广泛的应用,但在未知和越野地形中的自主性仍然是一个难题。极端、越野和非结构化的环境,如未开发的荒野、洞穴和瓦砾,给自主导航带来了独特而具有挑战性的问题。为了解决这些问题,我们提出了一种方法来评估可穿越性和规划一个安全的,可行的,快速的轨迹实时。我们的方法,我们命名为STEP(随机可通行性评估和规划),依赖于:1)快速的不确定性感知映射和可通行性评估,2)尾部风险评估使用的条件风险值(CVaR),和3)有效的风险和约束感知运动规划使用基于序列二次规划(SQP)模型预测控制(MPC)。我们分析了我们的方法在模拟和验证其有效性轮式和腿式机器人平台探索极端地形,包括废弃的地铁和地下熔岩管。
2021-06-25 cs.AI cs.RO cs.SY
A Unified NMPC Scheme for MAVs Navigation with 3D Collision Avoidance under Position Uncertainty
Luleå University of Technology(吕勒奥理工大学);University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);Jet Propulsion Laboratory California Institute of Technology(加州理工学院喷气推进实验室);California Institute of Technology(加州理工学院)
针对受限环境下的微型飞行器自主导航问题,提出了一种新的非线性模型预测控制(NMPC)框架。引入的框架允许我们考虑MAVs的非线性动力学,并保证实时性能。我们的第一个贡献是设计一个计算效率高的子空间聚类方法,揭示从几何约束的基本约束平面内的三维点云,从三维激光雷达扫描仪。我们的工作的第二个贡献是将提取的信息到NMPC的非线性约束,以避免碰撞。我们的第三个贡献的重点是使控制器的鲁棒性,考虑本地化和NMPC使用香农熵的不确定性。这一步使我们能够跟踪位置或速度参考,或者在必要时不跟踪其中任何一个。因此,在MAV的局部坐标中定义了碰撞避免约束,并且它保持有效并保证避免碰撞,尽管存在定位不确定性,例如,位置估计漂移。此外,随着平台继续执行任务,由于特征提取和环路闭合,这将导致不确定性更小的位置估计。建议的框架的有效性进行了评估,使用各种模拟的露台环境。
2020-07-31 cs.RO
Anticipatory Navigation in Crowds by Probabilistic Prediction of Pedestrian Future Movements
The University of Sydney(悉尼大学);NVIDIA(英伟达)
人类和机器人在动态环境中共存的关键是智能体能够理解彼此的动作,并预测他们的动作。本文介绍了随机过程预期导航(SPAN),一个框架,使非完整机器人在人群环境中导航,同时预期和占行人的运动模式。为此,我们学习了一个预测模型来预测连续时间随机过程,以模拟行人的未来运动。预期的行人位置被用来进行机会约束碰撞检查,并纳入到一个时间碰撞控制问题。还集成了占用地图,以允许与静态障碍物进行概率碰撞检查。我们展示了SPAN在拥挤的模拟环境中的能力,以及与现实世界的行人数据集。
2020-11-12 cs.LG cs.RO
Dijkstra as an Oracle for Online Stochastic Shortest Path Navigation with Provable Guarantees
King Fahd University of Petroleum and Minerals (KFUPM)(法赫德国王石油与矿产大学);Islamic University of Madinah(麦地那伊斯兰大学);Universitas Muhammadiyah Yogyakarta(日惹穆罕默迪亚大学)
本研究提出DORA算法,基于Dijkstra算法的可证保证特性,实现高效安全的在线随机最短路径导航,性能与最优值迭代相当且规划工作量显著减少,接触率满足预算要求。
2026-08-19 cs.AI cs.RO math.OC
Distributed Stochastic Optimal Control for Pattern-Oriented Swarms
Sun Yat-sen University(中山大学)
本文提出一种基于GRF的分布式随机最优控制框架,通过贝叶斯推理和密度引导实现图案化蜂群的安全导航与自愈重构,并经仿真与实物实验验证。
2026-09-15 cs.RO
Nonlinear State Estimation for Inertial Navigation Systems With Intermittent Measurements
Western University(韦仕敦大学);Lakehead University(湖首大学)
研究了三维空间中航行器的姿态、位置和线速度的同时估计问题。我们提出了两种类型的混合非线性观测器,使用连续的角速度和线加速度测量以及间歇性地标位置测量。第一种类型依赖于基于无限维优化的固定增益设计方法,而第二种类型依赖于基于连续-离散Riccati方程的可变增益设计方法。对于每一种情况下,我们提供了两个不同的观察者和没有估计的重力矢量。所提出的观察员被证明是指数稳定的一个大的吸引区域。仿真和实验结果表明,所提出的观测器的性能。
2020-07-20 cs.RO cs.SY eess.SY
Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation
Talos Robotics AI
提出一种无地图框架,结合滚动时域规划与非线性MPC,利用贝叶斯优化自动调参,在仿真和实物四足机器人上实现高效导航。
2026-06-16 cs.LG cs.RO math.OC
GNSS-based Lunar Orbit and Clock Estimation With Stochastic Cloning UD Filter
本文提出基于GNSS的月球轨道和钟差估计方法,利用随机克隆UD滤波器和延迟状态平滑器,通过高精度模拟验证实现米级轨道精度和亚毫米级速度精度,满足未来月球增强导航服务需求。
2026-02-18 cs.RO
E2Map: Experience-and-Emotion Map for Self-Reflective Robot Navigation with Language Models
Seoul National University(首尔大学);Carnegie Mellon University(卡内基梅隆大学);Stanford University(斯坦福大学);University of Waterloo(滑铁卢大学)
本文提出E2Map框架,通过整合LLM知识与智能体真实世界经验并借鉴人类情感反应来更新地图,解决静态环境下LLM导航策略在随机环境中易失败的问题,实现一次性策略执行并显著提升导航性能。
2025-02-03 cs.AI cs.RO
Decentralized Nonlinear Model Predictive Control-Based Flock Navigation with Real-Time Obstacle Avoidance in Unknown Obstructed Environments
本研究扩展了分布式NMPC框架,通过整合基于点云的局部避障约束,实现了未知障碍环境中机器人集群的实时避障导航,并通过3D仿真和硬件在环仿真验证了其有效性与实用性。
2025-05-15 cs.RO cs.SY eess.SY
A Step-by-step Guide on Nonlinear Model Predictive Control for Safe Mobile Robot Navigation
department of Cognitive Robotics, Delft University of Technology(认知机器人系,代尔夫特理工大学);Institute for Dynamic Systems and Control, ETH Zürich(动态系统与控制研究所,苏黎世联邦理工学院)
本报告提供了一种分步方法来实现非线性模型预测控制(NMPC)方案,以解决移动机器人在充满障碍物的环境中安全导航的问题,强调安全性和性能保证,旨在弥合理论NMPC公式与实际机器人应用之间的差距。
2025-08-09 cs.RO cs.SY eess.SY
STEP: Stochastic Traversability Evaluation and Planning for Risk-Aware Off-road Navigation; Results from the DARPA Subterranean Challenge
California Institute of Technology(加州理工学院);NASA Jet Propulsion Laboratory(美国国家航空航天局喷气推进实验室)
本文提出STEP框架,通过不确定性感知建图、CVaR风险评估、SQP-MPC运动规划、快速恢复和步态自适应,提升机器人在未知地下环境中的风险感知自主导航能力,并在DARPA地下挑战赛多个实地场景中验证了有效性。
2023-03-02 cs.RO cs.SY eess.SY
DR-IPC: Disturbance-Resilient Integrated Planning and Control for LiDAR-Based Quadrotor Navigation
Southeast University(东南大学);Xiamen University of Technology(厦门理工学院)
DR-IPC提出一种集成规划与控制方法,结合路径引导与NMPC直接生成控制量,在扰动下显著提升四旋翼导航任务完成率并降低高度误差。
2026-10-05 cs.RO cs.SY eess.SY
Customizable Stochastic High Fidelity Model of the Sensors and Camera onboard a Low SWaP Fixed Wing Autonomous Aircraft
Boeing Research & Technology Europe(波音欧洲研究与技术公司);Polytechnic University of Madrid(马德里理工大学);Centre for Automation and Robotics(自动化与机器人中心)
自主飞行器的导航系统依赖于一套机载传感器提供的读数来估计飞行器状态。在固定翼飞行器的情况下,传感器套件由加速度计、陀螺仪和磁力计、全球导航卫星系统(GNSS)接收器和大气数据系统(皮托管、空气风向标、温度计和气压计)组成,并且通常由一个或多个数码相机补充。这些传感器中的每一个的行为和误差源的准确表示,以及由相机生成的图像,对于飞行模拟和评估新的惯性或视觉导航算法是必不可少的,并且在低SWaP(尺寸、重量和功率)飞机的情况下更是如此,其中传感器的质量和价格是有限的。本文为这些传感器中的每一个提供了现实的和可定制的模型,这些模型已被实现为开源C++模拟。提供了飞机状态随时间的真实变化,仿真提供了所有传感器产生的误差的时间戳序列,以及地球表面的逼真图像,这些图像类似于从沿着指示的状态位置和姿态飞行的真实相机拍摄的图像。
2021-12-01 cs.RO cs.SY eess.SY
Online Motion Planning based on Nonlinear Model Predictive Control with Non-Euclidean Rotation Groups
TU Dortmund University(多特蒙德工业大学)
提出了一种基于非线性模型预测控制的机器人在线运动规划方法。常见的方法依赖于纯欧几里德优化参数。然而,在机器人导航中,状态空间通常包括跨越非欧几里德旋转组的旋转分量。所提出的方法适用于非线性增量和差分算子在整个优化方案,明确考虑这些群体。实现包括但不限于二次型和时间最优目标。一个复杂的停车场景的运动自行车模型证明了该方法的有效性和实际意义。在更简单的机器人(例如差动驱动)的情况下,在层次规划设置中的比较分析揭示了可比的计算时间和性能。该方法可在模块化和高度可配置的开源C++软件框架中使用。
2020-06-05 cs.RO cs.SY eess.SY