Self-Adaptive Robust Motion Planning for High DoF Robot Manipulator using Deep MPC
University of Pittsburgh（匹兹堡大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；San Jose State University（圣何塞州立大学）；Snap Inc.（Snap公司）；George Washington University（乔治华盛顿大学）
本文提出一种基于深度MPC的自适应鲁棒控制方案，通过仅用梯度符号的权重更新律解决训练中的梯度消失/爆炸问题，并在高自由度机械臂运动规划仿真中验证了其快速学习非线性动力学和良好性能。
2024-07-17 cs.RO
LTO: Lazy Trajectory Optimization with Graph-Search Planning for High DOF Robots in Cluttered Environments
University of California, Los Angeles（加州大学洛杉矶分校）
虽然轨迹优化（TO）是最强大的运动规划工具之一，但是随着时间范围在杂乱环境中增加，其遭受昂贵的计算复杂性。它也可能无法收敛到全局最优解。在本文中，我们提出了懒惰的轨迹优化（LTO），结合本地短期TO和全球图形搜索规划（GSP），以产生一个长期的全球最优轨迹。LTO以与原始长时间范围TO相同的约束求解TO，具有改进的时间复杂度。我们还提出了一个TO感知的成本函数，可以平衡解决方案的成本和规划时间。由于LTO在路线图中解决了许多几乎相同的TO，因此它可以为TO提供明智的热启动，以加速规划过程。我们还证明了LTO的计算复杂性和最优性。最后，我们证明了LTO的性能运动规划问题的2自由度自由飞行机器人和21自由度足式机器人，表明LTO优于现有的算法在其运行时间和可靠性。
2021-03-23 cs.RO cs.SY eess.SY
Sampling-Based Motion Planning with Scene Graphs Under Perception Constraints
Department of Computer Science, Rice University（计算机科学系，莱斯大学）
本文提出MOPS-PRM，一种基于场景图的运动规划方法，通过整合多物体感知成本以提升高自由度机器人在复杂环境中的任务执行效率。
2026-11-03 cs.RO
Motion planning in high-dimensional spaces
University of Zagreb Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算学院）
运动规划是一个关键的工具，使机器人导航通过一个环境中没有碰撞。机器人运动规划的问题已经在过去的几十年中进行了详细的研究，研究人员最初专注于平面移动机器人和低自由度（DOF）机器人手臂等系统。高自由度机器人必须在复杂的动态环境中实时的执行任务，因此需要快速的运动规划算法。在这篇综述中，我们讨论了几种类型的策略，运动规划在高维空间和剖析其中的一些，即基于网格搜索，基于采样和轨迹优化的方法。我们比较了它们，并概述了它们的优点和缺点，最后，提供了一个洞察未来的研究机会。
2018-07-19 cs.RO
Look as You Leap: Planning Simultaneous Motion and Perception for High-DOF Robots
Department of Computer Science, Rice University（计算机科学系，里士大学）；Ken Kennedy Institute, Rice University（肯尼迪研究所，里士大学）；Houston Methodist Academic Institute（休斯顿 Methodist 学术研究院）
本文提出了一种基于GPU并行的感知评分引导的概率道路图规划器，用于高自由度机器人在动态和静态环境中的运动与感知同时规划。
2026-11-03 cs.RO
Anytime Multi-arm Task and Motion Planning for Pick-and-Place of Individual Objects via Handoffs
Rutgers University（罗格斯大学）
自动化应用正在推动许多高自由度机械手在仓库和制造环境中的部署。这激发了许多优化涉及单个手臂的操作任务的努力。然而，协调多个手臂进行操作，引入了额外的计算挑战，这些挑战来自增加的自由度，以及许多机械手可以执行的可用操作的组合增加，包括手臂之间的交叉。这里的重点是拾取和放置任务的情况下，这需要一个序列的执行，以实现计算效率，渐近最优性和实际的随时性能。本文利用高自由度系统的多机器人运动规划的最新进展，提出了一种新的dRRT* 算法的多模态扩展。关键的见解是，而不是天真地解决一系列的运动规划问题，它是计算上有利的直接探索的综合多臂任务和运动规划问题的复合空间，给定的输入集的可能的拾取和切换配置。渐近最优性保证是可能的，通过抽样额外的挑选和随时间的推移。评估表明，该方法可以快速找到初始解，并随着时间的推移提高其质量。它还成功地找到了解决方案，相对于替代方案更难的问题实例，并可以随着机器人数量的增加而有效地扩展。
2019-05-08 cs.RO
I-Planner: Intention-Aware Motion Planning Using Learning Based Human Motion Prediction
UNC Chapel Hill（北卡罗来纳大学教堂山分校）
我们提出了一个运动规划算法来计算无碰撞和平滑的轨迹，高自由度机器人与人类在一个共享的工作空间。我们的方法使用离线学习的人类行为以及时间的连贯性来预测人类的行动。我们的意图感知在线规划算法使用学习的数据库来计算基于预测动作的可靠轨迹。我们表示预测的人体运动使用高斯分布和计算安全的运动规划碰撞概率的严格上限。我们还描述了新的技术，以占人体运动预测中的噪声。我们强调了我们的规划算法在复杂的模拟场景和现实世界的基准与7自由度机器人手臂在一个工作空间与人类执行复杂的任务。我们证明了我们的意图感知规划的好处，在这种不确定的环境中计算安全的轨迹。
2017-11-27 cs.RO
Trajectory Planning and Certification for 3-DOF Robot Manipulators Using Real Quantifier Elimination Based on Comprehensive Gröbner Systems
University of Tsukuba, Tsukuba, Japan（茨口大学）
该研究针对3自由度机器人操作器，提出基于综合格罗贝格系统的实量词消去法（CGS-QE），用于轨迹规划与验证。通过计算参数系统的CGS避免逐点重算格罗贝格基，提高效率，还能验证多种轨迹的逆运动学解，算法在Risa/Asir中实现。
2026-07-14 cs.RO cs.SC math.AC
Scaling Motion Planning Infeasibility Proofs
Colorado School of Mines（科罗拉多矿业学院）
本文提出一种基于GPU流形三角剖分与批量处理的易并行算法，用于构造运动规划不可行性证明，相比此前方法加速两个数量级，并实现CPU/GPU协同的渐近完备运动规划。
2024-06-07 cs.RO
Trajectory Planning for Autonomous Driving in Unstructured Scenarios Based on Graph Neural Network and Numerical Optimization
Jilin University（吉林大学）
针对非结构化场景中传统多阶段轨迹规划参数设计繁琐、端到端方法难以满足动力学与避障约束的问题，本文提出一种结合图神经网络初始轨迹预测与数值优化轨迹修正的两阶段方法，仿真实验表明其简化了规划流程并显著提升了规划效率。
2024-06-13 cs.RO
Optimization-based Safe Trajectory Planning for Autonomous Ground Vehicle in Multi-Floor Scenarios
Beijing Institute of Technology（北京理工大学）；Tsinghua University（清华大学）
提出一种针对多楼层场景的轨迹规划框架，包括基于广义Voronoi图和多目标算法的任务规划模块，以及采用优化方法和热启动分层规划生成高质量轨迹的轨迹规划模块，并通过仿真验证可行性。
2026-06-24 cs.RO
Adaptive Spatio-Temporal Voxels Based Trajectory Planning for Autonomous Driving in Highway Traffic Flow
University of California, Berkeley（加州大学伯克利分校）
针对高速公路动态车流中静态时空体素可行域难以适应环境变化的问题，提出自适应时空体素轨迹规划方法，在保持二次规划形式的同时实时调整可行域，并在开环与闭环测试中优于现有方法。
2023-10-04 cs.RO
Trajectory-Level Mode Guidance for Controllable Diffusion-Based Multi-Robot Motion Planning
Zhejiang University（浙江大学）
针对多机器人运动规划中融入部分轨迹先验且保持多模态生成的问题，提出在干净轨迹空间进行逐步引导的扩散模型方法，通过时间步依赖的引导强度融合规划代价与先验，实验验证了可控性与安全性。
2026-09-30 cs.RO
Efficient Trajectory Optimization for Robot Motion Planning
University of California at Berkeley（加州大学伯克利分校）
多关节机器人的运动规划具有挑战性。由于问题的复杂性，大多数现有的工作分解运动规划作为更容易的子问题。然而，由于不一致的性能指标，只有次优的解决方案可以找到基于分解的方法。本文提出了一种基于最优控制的方法来同时解决路径规划和轨迹规划子问题。针对涉及复杂机器人动力学的运动规划问题，提出了一种有效的轨迹优化数值方法。数值计算结果表明了该方法的有效性。实验结果表明了该规划算法的可行性。
2018-10-09 cs.RO
A Framework for Collision-Tolerant Optimal Trajectory Planning of Autonomous Vehicles
碰撞容限轨迹规划是考虑碰撞，如果规划得当，可以为能够处理碰撞的机器人提供更有效的路径规划。一个混合整数规划（MIP）的优化配方演示了计算的实用性，包括计划的碰撞优化轨迹。提出了一种毁伤量化函数，并通过仿真研究了毁伤函数约束对弹道的影响。使用一个简单的例子，在此模式下实现的性能增加相比，无碰撞的最佳轨迹。
2016-11-23 cs.RO
Rapidly-Iterating Grid-Based Near-Optimal Kinodynamic Motion Planning
本文提出RDG算法，一种基于网格分解的渐近近最优动力学运动规划方法，通过常数时间复杂度的快速迭代生成高质量解，并在10自由度环境下相比SST和DIRT显著提升解质量与成功率。
2026-09-22 cs.RO
Towards Kinematic Actionable Infeasibility Detection in Motion Planning
提出几何驱动框架，通过构型空间拓扑分析及GPU加速并行算法，实现高维运动规划中不可行性的快速证明与原因识别。
2026-10-08 cs.CG cs.RO
Trajectory Planning without Trajectory Data: A Manifold-Guided Approach
Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）；DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室）；Harvard University（哈佛大学）
提出流形引导的轨迹规划方法，仅用状态观测学习状态空间流形并利用其几何构造轨迹，实现对未见约束的泛化，在基准上表现优异且无需轨迹数据。
2026-10-08 cs.RO
Real-Time Kinodynamic Motion Planning for Omnidirectional Mobile Robot Soccer using Rapidly-Exploring Random Tree in Dynamic Environment with Moving Obstacles
Universitas Gadjah Mada（加札马达大学）
RoboCup中型组联赛（RoboCup MSL）通过机器人足球比赛为研究移动机器人导航、多机器人协作、通信和集成提供了一个标准化的实验平台，在这种高度动态和对抗性的环境中，机器人足球比赛是一种非常重要的比赛。运动动力学运动规划是机器人运动学领域的一个重要研究课题，它是指机器人在避障的同时，遵循其动力学规律进行运动轨迹规划。提出了一种基于Kinodynamic-RRT* 方法的全向机器人运动动力学运动规划。在这项工作中还考虑了轨迹跟踪控制执行规划轨迹。对机器人平移和旋转方向的运动规划进行解耦。然后，我们实现了kinodynamic-RRT* 与双积分器模型规划的平移轨迹。利用满足速度和加速度约束的最小时间轨迹发生器生成旋转轨迹。然后使用PI控制跟踪计划轨迹。为适应环境的变化，开发了运动规划和轨迹跟踪的并发软件模块。使用基于机器人操作系统（ROS）的RoboCup仿真系统对所产生的系统进行了应用和测试。仿真结果表明，运动规划系统能够生成无碰撞轨迹，轨迹跟踪系统能够跟踪生成的轨迹。在高度动态的环境中，在线方案能够重新规划轨迹。
2019-05-12 cs.RO
An Incremental Sampling and Segmentation-Based Approach for Motion Planning Infeasibility
Robotics Research Center, IIIT Hyderabad（IIIT海得拉巴机器人研究中心）；Department of Informatics, Bioengineering, Robotics, and Systems Engineering, University of Genoa（热那亚大学信息学院、生物工程、机器人与系统工程系）
提出一种检测运动规划不可行性的算法，通过近似机器人配置空间为离散空间，从障碍区域采样分隔起始和目标来判定规划不可行，逐步构建配置空间并划分连通分量，在多场景演示，讨论优化及高维扩展性。
2026-07-13 cs.RO
Predictive Risk Analysis and Safe Trajectory Planning for Intelligent and Connected Vehicles
本文提出一种智能网联汽车的预测风险分析与安全轨迹规划框架，通过局部风险感知算法预测未来轨迹并进行时空离散化风险分析以生成安全轨迹，仿真与实验验证了其有效性与实时性。
2025-06-30 cs.RO
Local Trajectory Planning For UAV Autonomous Landing
Technion - Israel Institute of Technology（以色列理工学院）
自主式无人机的一个重要能力是在自主着陆过程中避免与障碍物碰撞。这种能力需要实时的本地轨迹规划。虽然在紧急着陆等情况下已经引入了自动规划方法，但在现实生活中，只有障碍物的表面可以被感知和检测，因此还没有对这些方法进行评估。我们提出了一种新的优化框架，使用预先规划的全局路径和优先级地图的着陆区。在一个模拟器中实现并评估了几种轨迹规划算法，该模拟器包括3D城市环境、基于LiDAR的障碍物表面传感以及无人机制导和动力学。我们表明，使用我们提出的优化标准可以成功地提高着陆任务的成功概率，同时避免碰撞的障碍物在实时。
2021-11-18 cs.RO
Planning Optimal Trajectories for Mobile Manipulators under End-effector Trajectory Continuity Constraint
Singapore Centre for 3D Printing (SC3DP)（新加坡3D打印中心）；Nanyang Technological University (NTU)（南洋理工大学）；Eureka Robotics（尤里卡机器人公司）
针对移动操作臂运动规划中因基座冗余带来的挑战，提出将末端执行器轨迹连续性约束下的规划问题解耦为最优基座轨迹规划与操作臂轨迹求解的方法，并通过硬件实验和仿真验证了其在移动打印任务中的有效性。
2024-03-06 cs.RO
Decentralized Spatial-Temporal Trajectory Planning for Multicopter Swarms
Zhejiang University（浙江大学）；Huzhou Institute, Zhejiang University（浙江大学湖州研究院）
多旋翼机群具有分散式结构，具有灵活性和鲁棒性，而高效的时空轨迹规划仍然是一个挑战。该报告介绍了分散的时空轨迹规划，它把一个良好的轨迹表示命名为MINCO到多智能体的情况。我们的方法确保高质量的本地规划，每个代理受到任何约束，无论是协调的群体或安全要求在混乱的环境。然后，局部轨迹生成被配制成一个无约束的优化问题，有效地解决了毫秒。此外，一个分散的异步机制的设计，以触发每个代理的本地规划。一个系统的解决方案，详细说明了仔细的工程考虑。大量的基准测试和室内/室外实验验证了其广泛的适用性和高质量。我们的软件将被发布以供社区参考。
2021-06-25 cs.RO
Optimal Vehicle Trajectory Planning for Static Obstacle Avoidance using Nonlinear Optimization
Guangzhou Xiaopeng Motors Technology Co Ltd（广州小鹏汽车科技有限公司）
针对自动驾驶轨迹规划需兼顾可行性、舒适性与商用计算效率的需求，提出基于非线性优化的新型算法，可生成运动学可行、舒适性最优的静态障碍物避障轨迹，且在两类硬件平台上均实现毫秒级快速生成。
2023-07-18 cs.RO
Planning Jerk-Optimized Trajectory with Discrete-Time Constraints for Redundant Robots
Delft University of Technology (TU Delft)（代尔夫特理工大学）；INRIA（法国国家信息与自动化研究所）；The Hong Kong Polytechnic University（香港理工大学）；The Chinese University of Hong Kong (CUHK)（香港中文大学）
针对含运动学冗余且刀具路径带大量离散时间路径点的制造机器人，提出一种在制造过程中同步优化运动加加速度的轨迹规划方法，以提高制造质量。
2020-02-15 cs.RO
Trajectory Planning for Automated Driving in Intersection Scenarios using Driver Models
Ulm University（乌尔姆大学）；Visteon Electronics GmbH Germany（德国伟世通电子有限公司）
城市交叉口的有效轨迹规划是目前自主车辆（AV）最具挑战性的任务之一。对其他交通参与者的礼貌行为，AV的舒适性及其在环境中的进展是决定轨迹规划算法性能的关键方面。为了捕捉这些方面，我们提出了一种新的轨迹规划框架，确保社会的遵守，同时优化AV的舒适性受到运动学约束。该框架结合了局部连续优化方法和高效的驾驶员模型，以确保长期快速的行为预测，机动生成和决策。所提出的框架在不同的情况下进行评估，以证明其能力的轨迹和运行时间。
2020-10-07 cs.RO
Towards Courteous Behavior and Trajectory Planning for Automated Driving
Ulm University（乌尔姆大学）；Visteon Corporation（伟世通公司）
高效的行为和轨迹规划是自动驾驶面临的主要挑战之一。特别是交叉口的情况下，是非常苛刻的，由于其复杂性所产生的各种机动的可能性和其他交通参与者。一个关键的挑战是产生优化自我车辆的舒适性和进度的行为，但同时又不会对其他交通参与者过于咄咄逼人。为了保持礼貌行为和轨迹规划的实时的能力，需要最优控制问题的有效形式和相应的求解算法。因此，提出了一种新的规划框架，它考虑了舒适和进步，以及礼貌的行动，在基于图的行为规划模块。利用低级别轨迹生成，可以进一步优化行为结果以获得驾驶舒适性，同时满足整个规划范围内的约束。实验结果表明，该框架具有较好的实用性和实时的性。
2019-07-23 cs.RO
Long-Horizon Motion Planning via Sampling and Segmented Trajectory Optimization
University of California, Berkeley（加州大学伯克利分校）
本文提出了一种混合机器人运动规划器，产生长期的运动规划机器人导航的环境中的障碍。我们提出了一种混合规划器，RRT* 与分段轨迹优化（RRT*-sOpt），它结合了基于采样的规划，基于优化的规划和轨迹分裂的优点，快速规划无碰撞和动态可行的运动计划。在生成规划时，RRT* 层快速采样出一条半最优路径，并将其设置为初始参考路径。然后，sOpt层将参考路径进行拆分，并对每个分段进行优化。然后，它再次分割新的轨迹，并重复该过程，直到整个轨迹收敛。我们还建议减少收敛前的段数，以进一步减少计算时间。仿真结果表明，RRT*-sOpt受益于混合结构与轨迹分裂，并在各种机器人平台和场景中表现稳健。
2022-04-17 cs.RO
Multi-Robot Trajectory Planning with Feasibility Guarantee and Deadlock Resolution: An Obstacle-Dense Environment
Peking University（北京大学）
提出了一种多机器人轨迹规划方法，既保证了优化的可行性，又解决了障碍物密集环境下的死锁问题。该方法是通过制定一个递归优化问题，其中一个新的安全走廊在线生成，以确保避障轨迹规划。动态优先级机制与右手规则相结合，以处理由于静态障碍而难以解决的潜在死锁。与其他国家的最先进的结果进行比较，以验证提高安全性和成功率。额外的硬件实验进行了多达八个纳米四旋翼在各种混乱的情况下。
2023-02-22 cs.RO
Radar2Plan: Benchmarking 4D Radar for End-to-End Open-Loop Ego-Trajectory Planning
HKUST(GZ)（香港科技大学（广州））；Shanghai Jiao Tong University（上海交通大学）；University of Oxford（牛津大学）
Radar2Plan是首个面向自动驾驶开环自我轨迹规划的四维雷达基准，通过模块化接口比较七种传感器组合和四种规划基线，证明四维雷达单独即可实现竞争性规划且恶劣天气下鲁棒，并凸显其互补价值。
2026-10-06 cs.RO
AORRTC: Almost-Surely Asymptotically Optimal Planning with RRT-Connect
Purdue University（普渡大学）
AORRTC通过扩展RRT-Connect实现几乎确定性渐进最优规划，以高效且可靠的方式解决高自由度机器人运动规划问题。
2025-09-24 cs.RO
A Robust and Energy-Efficient Trajectory Planning Framework for High-Degree-of-Freedom Robots
University of Brighton（布莱顿大学）；Jamia Millia Islamia（贾米亚·米利亚·伊斯兰亚大学）
针对高自由度机器人轨迹规划的能耗与平顺性问题，提出融合正弦轨迹生成和速度缩放的框架，仿真验证其可显著节能并保持精度与平顺过渡。
2025-03-13 cs.RO
Stochastic Optimization for Trajectory Planning with Heteroscedastic Gaussian Processes
University of Zagreb Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算学院）
用于运动规划的轨迹优化方法试图生成使合适的目标函数最小化的轨迹。这种方法有效地找到解决方案，即使是高自由度的机器人。然而，全局最优解在实践中通常是难以处理的，并且因此现有技术的轨迹优化方法倾向于局部最小值，特别是在混乱的环境中。在本文中，我们提出了一种新的运动规划算法，采用基于交叉熵方法的随机优化，以解决局部极小值问题。我们表示轨迹作为样本从一个连续时间的高斯过程，并引入异方差生成强大的轨迹先验更适合避免碰撞的运动规划问题。我们的实验评估表明，所提出的方法产生一个更彻底的探索的解决方案空间和更高的成功率在复杂的环境比目前的高斯过程为基础的国家的最先进的轨迹优化方法，即GPMP2，同时具有可比的执行时间。
2019-07-17 cs.RO
Probabilistic Iterative LQR for Short Time Horizon MPC
Idiap Research Institute（伊迪亚普研究所）；EPFL（洛桑联邦理工学院）
最优控制通常用于机器人技术中，用于规划轨迹以实现由成本函数表示的某些期望行为。最优控制中的大多数工作集中于找到单个最优轨迹，然后通常由另一个控制器跟踪该轨迹。在这项工作中，我们反而考虑轨迹分布作为解决方案的最优控制问题，从而更好的跟踪性能和更稳定的控制器。首先从迭代线性二次调节器（iLQR）求解器获得高斯分布。然后使用短时域模型预测控制（MPC）来跟踪该分布。我们表明，与跟踪平均值或使用iLQR反馈控制相比，跟踪分布更具有成本效益和鲁棒性。通过对7自由度熊猫机械手运动控制和6自由度四轴飞行器动力学控制的仿真验证了该方法的有效性。
2021-08-23 cs.RO
STITCHER: Real-Time Trajectory Planning with Motion Primitive Search
VECTR Laboratory, University of California, Los Angeles（UC洛杉矶大学VECTR实验室）
STITCHER通过实时拼接短轨迹段实现高效无碰撞轨迹规划，克服传统优化方法在计算时间和稳定性上的限制。
2025-12-12 cs.RO
Real-Time Motion Planning of a Hydraulic Excavator using Trajectory Optimization and Model Predictive Control
Seoul National University（首尔大学）；Automation and Systems Research Institute（自动化与系统研究院）
挖掘任务的自动化要求满足各种约束的实时的【形】轨迹规划。为了保证约束可行性和实时的【形】轨迹可重规划性，我们提出了一个集成的框架，基于实时的【形】优化的液压挖掘机轨迹规划。该框架由两个主要模块组成：全局规划器和实时的【形】局部规划器。全局规划器考虑挖掘体积和能量最小化来计算整个全局轨迹，而局部规划器以滚动时域的方式跟踪全局轨迹，满足动态可行性、物理约束和干扰感知。我们验证了所提出的规划算法在模拟环境中进行两种类型的操作中存在的仿真干扰液压摩擦和土壤-桶的相互作用：浅，深挖掘。优化的全局轨迹以秒的顺序获得，其由本地规划器以快于30 Hz的速度跟踪。据我们所知，这项工作提出了第一个实时的【形】运动规划框架，满足液压挖掘机的约束条件，如力/扭矩，功率，缸位移和流量限制。
2021-07-08 cs.RO
Trajectory Planning for Autonomous Vehicle Using Iterative Reward Prediction in Reinforcement Learning
ThorDrive
针对传统自动驾驶轨迹规划泛化性差、现有强化学习方法学习不稳定且未考虑不确定性的问题，提出带迭代奖励预测与不确定性感知的强化学习轨迹规划方法，在CARLA上验证可显著降碰撞率、提平均奖励。
2024-05-12 cs.RO
Time-Optimized Trajectory Planning for Non-Prehensile Object Transportation in 3D
Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich（慕尼黑工业大学慕尼黑机器人与机器智能研究所（MIRMI））；Centre for Tactile Internet with Human-in-the-Loop (CeTI)（以人为中心的触觉互联网中心（CeTI））
针对三维空间中非抓持式不稳定物体运输，本文提出了一种结合物体稳定性物理模型的新型时间优化轨迹规划方法，通过7自由度Franka Panda机器人验证了集成托盘旋转能提升运输速度并确保稳定性与运动约束。
2024-08-29 cs.RO
MMH-Planner: Multi-Mode Hybrid Trajectory Planning Method for UAV Efficient Flight Based on Real-Time Spatial Awareness
School of Surveying and Mapping, Information Engineering University（测绘学院，信息工程大学）；School of Geodesy and Geomatics, Hubei Luojia Laboratory（地质测绘学院，湖北珞珈实验室）
MMH-Planner通过多模式混合轨迹规划方法，结合实时空间感知提升无人机飞行效率，优化规划效率与计算成本。
2026-03-03 cs.RO
Slope Considered Online Nonlinear Trajectory Planning with Differential Energy Model for Autonomous Driving
University of Delaware（特拉华大学）
针对自动驾驶模型无关方法难以实现节能轨迹规划的问题，提出集成可微分能量模型的在线非线性规划轨迹优化框架，结合交通与坡度预测提升燃油效率，带来显著经济效益，填补相关研究空白。
2024-12-12 cs.RO
Trajectory Planning of a Curtain Wall Installation Robot Based on Biomimetic Mechanisms
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院）
针对建筑机器人能耗问题，提出融合人体举重能量转换原理的仿生轨迹规划框架，结合EMG信号与PSO动态载荷分配，使幕墙安装机器人仿真能耗降低48.4%。
2025-07-22 cs.RO
Collision-free Trajectory Planning for Autonomous Surface Vehicle
College of Control Science and Technology, Zhejiang University（浙江大学控制科学与工程学院）；Institute of Cyber-Systems and Control, Zhejiang University（浙江大学智能系统与控制研究所）
在本文中，我们提出了一种高效和准确的方法，自主表面车辆生成一个光滑的和无碰撞的轨迹，考虑其动力学约束。将轨迹规划问题解耦为前端可行路径搜索和后端运动学轨迹优化。首先，建立了双推力欠驱动水面舰艇的数学模型。然后采用基于采样的路径搜索方法，在障碍物周围环境中寻找一条渐近最优路径，并从中提取多个航路点，在后端采用数值优化方法生成轨迹。从野外航行安全的角度出发，提出了航行走廊法，以保证航迹远离障碍物。此外，考虑到有限的燃料ASV携带，我们设计了一个数值目标函数，可以优化一个节省燃料的轨迹。最后，我们在仿真环境中验证和比较所提出的方法，结果符合我们的预期轨迹。
2020-05-20 cs.RO
Manipulation Trajectory Optimization with Online Grasp Synthesis and Selection
University of Washington（华盛顿大学）；NVIDIA（英伟达）
在机器人操作中，规划机器人操作器抓取物体的运动是一个基本问题。操纵规划器需要生成操纵臂的轨迹以避开环境中的障碍物，并规划用于抓取的末端执行器姿态。虽然轨迹规划和抓取规划通常是分开处理的，但如何有效地集成这两个规划问题仍然是一个挑战。在这项工作中，我们提出了一种新的方法，关节运动和抓取规划。我们的方法集成了操作轨迹优化与在线抓取合成和选择，其中我们应用在线学习技术来选择抓取的目标配置，并引入一个新的抓取合成算法来在线生成抓取。我们评估我们的规划方法，并证明我们的方法产生强大的和有效的运动计划，在混乱的场景中把握。我们的视频可以在https://www.youtube.com/watch?上找到v=LIcACf8YkGU。
2020-05-11 cs.RO
Neural Trajectory Model: Implicit Neural Trajectory Representation for Trajectories Generation
IDEA（国际数字经济学院）；International Digital Economy Academy（国际数字经济学院）
本文首次将单智能体与多智能体轨迹规划问题重构为隐式神经轨迹表示上的查询问题，提出神经轨迹模型（NTM）。该方法在复杂环境中实现亚毫秒级GPU规划时间，几乎避免所有环境与智能体间碰撞并生成最短路径，还能高效修正低质量轨迹并解决多轨迹冲突。
2024-02-11 cs.RO
Robust Dynamic Control Barrier Function Based Trajectory Planning for Mobile Manipulator
School of Mechanical Engineering and Automation, Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）机械工程与自动化学院）；Graduated School of Information Science and Technology, Osaka University（大阪大学信息科学与技术研究生院）
针对高维机器人动态轨迹规划的传统方法痛点，提出结合DCBF与扰动观测器的RDCBF规划器，可在复杂动态障碍环境下兼顾扰动与不确定性，实现安全精确避障，经移动机械臂实验验证性能优异。
2024-06-22 cs.RO
Homography matrix based trajectory planning method for robot uncalibrated visual servoing
Wuhan Institute of Technology（武汉工程大学）；Huazhong University of Science and Technology（华中科技大学）；Wuhan University（武汉大学）
提出基于单应矩阵的轨迹规划方法，利用特征值分解与单应矩阵获取最优图像轨迹，使无标定视觉伺服在较大初始偏差下实现最短路径跟踪。
2023-08-30 cs.RO
Optimal Distributed Multi-Robot Communication-Aware Trajectory Planning using Alternating Direction Method of Multipliers
Technical University of Denmark（丹麦技术大学）
针对多机器人通信感知轨迹规划问题，提出基于预算交易分离通信约束并用一致性ADMM分布式求解的最优规划算法，且在巡检仿真中验证。
2024-08-09 cs.RO
Downwash-Aware Trajectory Planning for Large Quadrotor Teams
University of Southern California（南加州大学）
我们描述了一种方法，形成变化的轨迹规划大型四旋翼团队在障碍物丰富的环境。我们的方法将规划问题分解为两个阶段：一个离散的规划器操作的工作空间的图形表示，和一个连续的细化，将非光滑的图形计划转换成一组C^k-连续的轨迹，局部优化的积分平方导数成本。我们考虑了下洗效应，使得在密集编队中能够安全飞行。我们展示了计算效率与多达200个机器人和物理兼容性与32纳米四旋翼实验模拟。我们的方法可以在几分钟内计算出数百个四旋翼在密集环境中的安全和平滑的轨迹。
2017-07-23 cs.RO
Optimization-based Trajectory Planning for Tethered Aerial Robots
Universidad Pablo de Olavide（巴勃罗·德·奥拉维德大学）
提出了一种绳系空中机器人轨迹规划的非线性优化方法。特别是，本文解决了无人机（UAV）链接到无人地面车辆（UGV）通过系绳的规划问题。假设UGV位置是静态的，结果是UAV和系绳的无碰撞轨迹。优化器考虑了与UAV、UGV和系绳位置、障碍物和运动的时间方面相关的约束，例如有限的机器人速度和加速度，以及最后的系绳状态，其不需要是紧张的。该问题是制定在一个加权多目标优化框架。仿真结果表明，该方法能够为无人机和系绳产生无障碍和平滑的轨迹。
2021-04-05 cs.RO
Trajectory Planning Using Reinforcement Learning for Interactive Overtaking Maneuvers in Autonomous Racing Scenarios
Technical University of Munich（慕尼黑工业大学）
本文提出一种基于强化学习的自动驾驶赛车轨迹规划方法，无需预测即可利用车辆交互实现超车，并引入安全层在轨迹不可行时生成次优可行解，显著提升高交互场景下的成功率。
2024-07-25 cs.RO
Motion Planning in Dynamic Environments Using Context-Aware Human Trajectory Prediction
University of Oxford（牛津大学）；University of Zagreb Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算学院）
多年来，运动规划、地图绘制和人体轨迹预测的独立领域已经取得了相当大的进展。然而，文献仍然是稀疏的，在提供实用的框架，使移动机械手进行全身运动和占移动障碍物的预测运动。以前的基于优化的运动规划方法，使用距离场已经遭受了高计算成本所需的更新环境表示。我们证明，与从头开始计算距离场相比，GPU加速的预测复合距离场显着减少了计算时间。我们将这种技术与一个完整的运动规划和感知框架，占人类在动态环境中的预测运动，使反应性和先发制人的运动规划，结合预测的运动。为了实现这一目标，我们提出并实现了一种新的人体轨迹预测方法，结合意图识别与基于轨迹优化的运动规划。我们验证了我们的结果框架在现实世界中的丰田人类支持机器人（HSR）使用实时RGB-D传感器数据从车载摄像头。除了提供对公开数据集的分析外，我们还发布了牛津室内人体运动（Oxford-IHM）数据集，并展示了人体轨迹预测的最新性能。Oxford-IHM数据集是一个人类轨迹预测数据集，其中人们在室内环境中的感兴趣区域之间行走。静态和机器人安装的RGB-D相机都可以观察人，同时通过运动捕捉系统进行跟踪。
2022-07-26 cs.RO
Discrete States-Based Trajectory Planning for Nonholonomic Robots
Zhejiang University（浙江大学）
由于非完整动力学的存在，非完整机器人的运动规划一直是一个难题。本文提出了一种基于离散状态的非完整机器人轨迹规划算法。该算法将轨迹表示为x和y位置、方向角、经度速度和加速度、角速度和时间间隔。更多的变量使得优化和约束的表达更简单，减少了过多近似所引起的误差，并且还处理了换档情况。L-BFGS-B用于处理多变量和箱形约束的优化问题，加快了问题的求解速度。与现有的各种仿真实验相比，验证了我们的算法具有数量级的效率优势，可以产生一个更平滑的轨迹与高的速度和低的控制努力。此外，还进行了真实场景的实验，以验证我们的算法在真实场景中的可行性。我们将释放我们的代码作为ros包。
2023-02-17 cs.RO
MINER-RRT*: A Hierarchical and Fast Trajectory Planning Framework in 3D Cluttered Environments
Southern University of Science and Technology（南方科技大学）；Hong Kong University of Science and Technology（香港科技大学）；Shandong University（山东大学）
本文提出MINER-RRT*分层轨迹规划框架，通过神经网络加速采样路径规划并结合微分平坦最优条件构建多项式轨迹，在三维杂乱环境中以更少时间和内存生成高质量四旋翼飞行轨迹。
2024-06-14 cs.RO
