A Data-Driven Aggressive Autonomous Racing Framework Utilizing Local Trajectory Planning with Velocity Prediction
Zhejiang University(浙江大学)
针对急弯赛道局部轨迹规划速度不佳的问题,提出基于模型预测轮廓控制的速度预测方法(VPMPCC),结合适应赛车的目标函数(OFR)与贝叶斯优化学习最优参数,在仿真中减少42.86%训练迭代,并成功应用于真实F1TENTH车辆,平均投影速度达车辆操控极限的93.18%。
2025-03-06 cs.RO cs.SY eess.SY
Reference-Free, Long-Horizon Trajectory Optimization for Aggressive Autonomous Driving in Milliseconds
Rensselaer Polytechnic Institute(伦斯勒理工学院);Toyota Research Institute(丰田研究院)
针对无参考初始猜测下长时域轨迹优化实时性差的问题,提出基于车辆刚度分析选择A稳定积分方法、动态平衡初始猜测生成及鲁棒非线性求解器策略,在260米时域内实现55毫秒求解,支持高速漂移避障。
2026-06-23 cs.SY eess.SY math.OC
Trajectory planning for multiple autonomous underwater vehicles with safety guarantees
研究了多自主水下机器人(AUV)在强海浪中的轨迹规划问题,该问题会干扰AUV的轨迹跟踪能力,并导致障碍物和机器人之间的碰撞。提出了一种基于Hamilton-Jacobi微分对策和模型预测控制的AUV安全轨迹生成方法,该方法考虑了时变状态无关或时变状态相关的波浪扰动。该方法规划多个AUV的安全保证的轨迹,并考虑AUV的形状,其中非线性光滑避碰约束通过强对偶性获得。
2020-11-27 cs.SY eess.SY
Trajectory Planning for Connected and Automated Vehicles at Isolated Signalized Intersections under Mixed Traffic Environment
互联和自动驾驶车辆(CAV)的轨迹规划有可能提高交通系统的运营效率和车辆燃油经济性。尽管在这方面的研究丰富,但大多数只考虑纵向的轨迹规划或假设全CAV环境。提出了一种在单信号交叉口混合交通环境下的CAV轨迹分散规划方法。基于离散时间建立了一个双层优化模型,在给定信号时序和周围车辆轨迹信息的情况下,对单架CAV的纵向和横向轨迹进行优化。上层模型优化横向换道策略。下层模型根据上层模型的换道策略优化纵向加速度曲线。在目标函数中考虑了车辆延误、燃料消耗和换道费用的最小化。设计了换道策略树(LCST)和并行蒙特卡罗树搜索(PMCTS)算法求解双层优化模型。CAV的轨迹是根据它们到停止杆的距离一个接一个地规划的。滚动时域计划适用于所提出的模型与时变交通条件的动态实施。数值算例验证了所提出的轨迹规划模型的优越性。
2021-02-06 cs.SY eess.SY
Accelerating Time-Optimal Trajectory Planning for Connected and Automated Vehicles with Graph Neural Networks
Cornell University(康奈尔大学);University of Pennsylvania(宾夕法尼亚大学)
本文提出基于学习的框架,利用图神经网络加速连接和自动化车辆的时间和能量最优轨迹规划,通过实时重规划提升性能,采用GINEConv网络学习离线数据以加速计算,减少计算时间并保持控制性能。
2026-05-13 cs.SY eess.SY
A Risk and Comfort Optimizing Motion Planning Scheme for Merging Scenarios
考虑测量和预测不确定性的合并场景的运动规划是自动驾驶道路上的一个主要挑战。经典方法将运动规划分为行为规划和轨迹规划,从而缩小了解集。在这项工作中,我们提出了一个规划方案,通过探索所有可能的决策选项,解决行为和轨迹规划在一起。实施安全策略,并且使违反安全约束的风险最小化,并且使加加速度最小化,以具有风险和舒适度最优轨迹。为了减轻噪声注入到实际轨迹中,推导出一种新的解析轨迹生成方法,并证明了其最优性。通过Monte-Carlo仿真对决策能力进行了评估。此外,计算时间进行评估,显示我们的方法的实时能力。
2019-11-05 cs.SY eess.SY
Trajectory Planning Using Tire Thermodynamics for Automated Drifting
本文提出轮胎热力学模型,捕捉摩擦系数随温度变化,并将其用于自动漂移轨迹规划,在LQR控制实验中实现更精确的跟踪。
2024-07-17 cs.SY eess.SY
Three-Dimension Collision-Free Trajectory Planning of UAVs Based on ADS-B Information in Low-Altitude Urban Airspace
针对低空城市空域复杂环境下的无人机避障问题,提出基于ADS-B信息的SSP和PSO-RRT算法实现三维无碰撞轨迹规划,仿真验证表明该方法能有效减少子空域内无人机数量、轨迹长度并降低轨迹成本。
2024-04-29 cs.SY eess.SY
Payload-Mass-Aware Trajectory Planning on Multi-User Autonomous Unmanned Aerial Vehicles
未来的无人机将由多个用户共享,并且必须在需要其完全自主功能的条件下运行。无人机轨迹的计算将是重要的,但除非考虑质量和飞行速度,否则无法计算出最佳轨迹。本文介绍了多用户动态有效载荷质量场景中的无人机轨迹规划案例,允许无人机计算其轨迹,而无需地面控制通信。我们制定和研究在可变有效载荷质量和飞行速度意识下的无人机轨迹规划,在这种情况下,它是由多个用户或应用程序共享。我们提出了有效的解决方案,使用启发式和优化算法的组合。为了支持这一调查,我们提出了一个新的模型的功率耗散的无人机推进速度和有效载荷质量的函数。我们评估了我们提出的算法解决方案在当代嵌入式处理器上的性能,并证明了它能够以有限的计算开销(在ARM Cortex-A9 SoC上不到300毫秒)生成接近最优的轨迹。
2020-01-08 cs.SY eess.SY
Trajectory Planning with Deep Reinforcement Learning in High-Level Action Spaces
本文提出一种基于连续参数化高层动作的深度强化学习轨迹规划方法,将运动基元生成与规划统一训练,并引入类似抗积分饱和的新损失项以提升策略回报。
2022-08-12 cs.SY eess.SY
Trajectory planning with a dynamic obstacle clustering strategy using Mixed-Integer Linear Programming
在本文中,我们提出了一种技术,分配障碍物的集群用于碰撞避免通过混合编程。这种策略能够减少用于避免碰撞的二进制变量的数量,从而降低计算成本,这一直是实时应用混合规划公式的模型预测控制方法的障碍。此外,障碍物的集群和集群的大小的分配决定在同一优化问题,执行轨迹规划,从而产生最佳的集群选择。仿真结果说明了该建议的应用。
2020-09-16 cs.SY eess.SY
A Dynamic Motion Planning Framework for Autonomous Driving in Urban Environments
摘要:摘要提出了一种城市环境下鲁棒的自主驾驶运动规划系统的框架,包括轨迹细化、轨迹插值、静态和动态障碍物规避以及轨迹跟踪。在给定道路中心线的情况下,利用三次样条函数对原始直线进行平滑。然后使用五阶Bezier曲线来生成更像人类的轨迹,保证至少二阶连续性和曲率连续性。动态轨迹规划任务被解耦为横向空间和纵向速度规划问题。该方法综合考虑运动学可行性、轨迹平滑性、驾驶舒适性和碰撞检测等因素,生成一组候选轨迹集,并通过目标函数对候选轨迹集进行评价。同时,采用LQG控制器生成纵向速度剖面,以确保安全性和舒适性。之后,空间和速度曲线被转换成由横向转向和纵向加速度控制器执行的命令。该框架在模拟研究中得到了验证,并已部署在图1所示的自动驾驶汽车上,该汽车已在城市环境中行驶了数千英里。
2019-12-10 cs.SY eess.SY
Fast Spline Trajectory Planning: Minimum Snap and Beyond
在本文中,我们研究样条轨迹生成通过两个优化问题的解决方案:(i)一个二次规划(QP)与线性等式约束和(ii)一个非线性和非凸优化程序。我们提出了一个有效的算法来解决(i),然后我们利用它来使用迭代算法来解决(ii)。第一种算法和第二种算法的每次迭代都具有与样条段数成线性关系的计算复杂度。每个算法的缩放是这样的,我们能够解决这两个问题的速度比国家的最先进的方法,并在时间服从实时轨迹生成的要求。我们生成的轨迹是适用于差分平坦系统,广泛的一类机械系统,我们证明了规划轨迹的四旋翼。
2021-05-04 cs.SY eess.SY
High-Speed Trajectory Planning for Autonomous Vehicles Using a Simple Dynamic Model
MINES ParisTech, PSL Research University(巴黎矿业学院,PSL研究大学);École des Ponts ParisTech(巴黎路桥学院)
本文提出一种基于模型预测控制的轨迹规划方法,利用简单动态模型实现高速自动驾驶车辆的轨迹规划,避免障碍并选择可行速度,提升安全性和效率。
2017-04-04 cs.SY eess.SY
DL-AMP and DBTO: An Automatic Merge Planning and Trajectory Optimization and Its Application in Autonomous Driving
Shanghai Automotive Industry Corporation, Ltd.(上海汽车工业股份有限公司)
提出了一种自动合并算法,该算法将自动驾驶车辆的运动规划问题分解为双层自动合并规划(DL_AMP)和基于下降的轨迹优化(DBTO)。这项工作在寻找最佳合并机会,横向和纵向合并规划和控制,轨迹后处理和驾驶舒适性方面有很大的改进。
2021-07-30 cs.RO cs.SY eess.SY
Interaction-Aware Trajectory Prediction and Planning in Dense Highway Traffic using Distributed Model Predictive Control
Chalmers University of Technology(查尔姆斯理工大学)
针对密集交通中自动驾驶车辆的最优轨迹规划问题,提出一种结合分布式模型预测控制、耦合多智能体环境下轨迹预测与规划的新型框架,经仿真验证,其局部最优解优于解耦的预测规划方法。
2023-08-24 cs.RO cs.SY eess.SY
Model Predictive Planning: Trajectory Planning in Obstruction-Dense Environments for Low-Agility Aircraft
Northeastern University(东北大学);The Charles Stark Draper Laboratory(查尔斯·斯塔克·德拉普尔实验室)
针对低机动性飞行器在密集障碍环境中轨迹规划易出现优化不可行的问题,提出包含多路径规划、光线追踪约束生成和凸二次规划的MPP方法,通过多候选路径提升可行轨迹概率,并在纵向飞行器模型上验证有效性。
2024-09-13 cs.RO cs.SY eess.SY
Fast Trajectory Planning for Multiple Quadrotors using Relative Safe Flight Corridor
Seoul National University(首尔国立大学)
提出了一种在障碍物密集环境下多旋翼飞行器的轨迹规划方法。提出了一种相对安全飞行走廊(RSFC)模型来描述智能体之间的安全区域,并利用相对Bernstein多项式的凸包性质生成线性约束以避免碰撞.我们的方法采用了基于图的多智能体寻路算法来生成一个初始轨迹,这是用来构建一个安全的飞行走廊(SFC)和RSFC。我们表示的轨迹作为一个分段伯恩斯坦多项式和制定的轨迹规划问题转化为一个二次规划问题,使用线性约束SFC和RSFC。所提出的方法可以在一秒钟内计算出16个智能体的无碰撞轨迹,在一分钟内计算出64个智能体的无碰撞轨迹,并通过仿真和室内飞行试验进行了验证。
2019-09-06 cs.RO cs.SY eess.SY
Real-Time Unified Trajectory Planning and Optimal Control for Urban Autonomous Driving Under Static and Dynamic Obstacle Constraints
University of Waterloo(滑铁卢大学)
轨迹规划和控制在历史上被分为自动驾驶堆栈中的两个模块。轨迹规划侧重于更高级别的任务,如避开障碍物和停留在路面上,而控制器则尽最大努力遵循不断变化的参考轨迹。我们认为,这种分离是(1)有缺陷的,由于规划的轨迹和控制器可以可行地执行,(2)不必要的,由于模型预测控制(MPC)范例的灵活性之间的不匹配。相反,在本文中,我们提出了一个统一的MPC为基础的轨迹规划和控制方案,保证可行性方面的道路边界,静态和动态环境,并强制执行乘客的舒适性约束。该计划进行了严格的评估,在各种情况下,重点是证明最优控制问题(OCP)的设计和实时的【形】解决方案的有效性。原型代码将在https://github.com/WATonomous/control上发布。
2022-09-19 cs.RO cs.SY eess.SY
Reachable Sets-based Trajectory Planning Combining Reinforcement Learning and iLQR
针对现有轨迹规划忽略驾驶风险场影响的问题,提出融合风险场的可达集结合安全强化学习与约束iLQR的轨迹规划方法,可在保障舒适性与效率的同时提升高速换道场景下的行驶安全性。
2025-05-21 cs.RO cs.SY eess.SY
Unifying Decision Making and Trajectory Planning in Automated Driving through Time-Varying Potential Fields
Politecnico di Torino(都灵理工大学)
本文提出基于时变人工势场的统一决策与局部轨迹规划框架,通过建模动态障碍物的预测运动来实现安全轨迹生成。
2026-03-13 cs.SY eess.SY math.OC
Trajectory Planning Under Environmental Uncertainty With Finite-Sample Safety Guarantees
我们解决的问题,轨迹规划的环境中由一组障碍物与不确定的时变位置。使用广泛接受的高斯分布的不确定性建模,从而在一个机会约束的程序。然而,与以前的方法相反,我们不假设完美的知识的分布的时刻,而是通过有限的样本从传感器或过去的数据来估计它们。我们得到严格的浓度范围内的错误,这些估计,以充分收紧的机会约束程序。因此,我们提供了可证明的保证满足相应的机会约束的名义尚未未知的时刻。我们用两个自主车辆轨迹规划案例研究来说明我们的结果。
2021-08-13 cs.SY eess.SY math.OC
Trajectory Planning of Weakly Supervised Aircraft
在本文中,我们提出了一种新的空中交通管理(ATM)的框架。该框架的特点是弱监督飞机的轨迹规划;空中交通管制(ATC)不完全确定每个飞机的轨迹,不像传统的规划方法,但确定允许的安全轨迹集。空中交通管制要求飞行员从集合中选择自己的轨迹,飞行员通过追求自己的目标来确定轨迹。例如,选择可以基于飞行员偏好和航空公司策略。这两个阶段的ATM系统有助于同时实现ATC和飞行员的目标,如在安全管理下的燃料成本最小化。建议的ATM系统的有效性证明在模拟使用实际的空中交通数据。
2019-09-30 cs.SY eess.SY math.OC
Implicit Trajectory Planning for Feedback Linearizable Systems: A Time-varying Optimization Approach
我们开发了一个基于优化的框架,用于联合实时轨迹规划和反馈线性化系统的反馈控制。为了实现这一目标,我们定义了一个目标轨迹的时变优化问题的最优解。然而,一般来说,这种轨迹可能是不可行的,例如,非完整约束为了解决这个问题,我们设计了一个控制律,产生可行的轨迹,渐近收敛到目标轨迹。更确切地说,对于(动态)全状态线性化的系统,所提出的控制律隐式地将非线性系统转换为足够高阶的优化算法。我们证明了全局指数收敛到目标轨迹的优化算法和原系统。我们说明了我们提出的方法的有效性多目标或多代理跟踪问题的约束。
2020-03-13 cs.SY eess.SY math.OC
Optimal model-based trajectory planning with static polygonal constraints
本文的主要贡献是一种新的方法规划全局最优轨迹的动力系统受多边形约束。所提出的方法是一种混合轨迹规划方法,它将图搜索(即离散路线图方法)与凸优化(即完整路径方法)相结合。相反,过去的方法,集中在使用简单的障碍物近似,或次优空间离散化,我们的方法是能够使用精确的几何形状的多边形约束,以规划最佳轨迹。所提出的方法的性能和灵活性进行评估,通过模拟规划距离最优的轨迹Dubins汽车模型,以及时间,距离和能量最优的轨迹的海洋车辆。
2020-10-27 cs.SY eess.SY math.OC
Using Uncertainty Data in Chance-Constrained Trajectory Planning
ETH Zurich(苏黎世联邦理工学院)
本文研究了在存在不确定位置障碍物的环境中进行轨迹规划问题,提出了一种在线学习分布矩的方法,并通过紧致的混合整数凸改写方法得到可行解,应用于自动驾驶领域。
2021-01-10 cs.SY eess.SY math.OC
Exploring Robot Trajectory Planning -- A Comparative Analysis of Algorithms And Software Implementations in Dynamic Environments
University of Lincoln(林肯大学)
本文比较分析了动态环境中机器人轨迹规划算法及其软件实现,旨在解决适应性和实时分析问题,以更好地应对不可预测环境。
2024-07-18 cs.RO cs.SE cs.SY
A Rapid Iterative Trajectory Planning Method for Automated Parking through Differential Flatness
State Key Laboratory of Industrial Control Technology(工业控制技术国家重点实验室);Ningbo Innovation Center(宁波创新中心)
针对自动泊车中路径速度分解轨迹规划存在的快速精确避障冲突及换挡点控制可行性不足问题,提出基于微分平坦性的快速迭代方法,通过新颖避障框架和末端平滑约束提升性能,仿真与实车实验验证其优越性与适用性。
2025-08-23 cs.RO cs.SY eess.SY
Reacting on human stubbornness in human-machine trajectory planning
Faculty of Electrical Engineering(电气工程学院);Institute of Control Systems (IRS)(控制系统研究所)
本文提出一种扩展人类行为模型的人机协同轨迹规划方法,通过引入衡量人类固执程度的参数及其与触觉交互力的静态模型,使自动化设备能独立于应用做出反应,仿真表明该方法能定量估计人类固执程度并更有针对性地适应人类行为。
2024-07-24 cs.RO cs.SY eess.SY
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
Convex Risk Bounded Continuous-Time Trajectory Planning in Uncertain Nonconvex Environments
MIT(麻省理工学院)
在本文中,我们解决的轨迹规划问题,在不确定的非凸静态和动态环境中,包含概率位置,大小和几何形状的障碍物。为了解决这个问题,我们提供了一个风险有界的轨迹规划方法,寻找连续时间的轨迹,保证有界的风险在规划时间范围内。风险被定义为与不确定障碍物发生碰撞的概率。现有的方法来解决风险有界的轨迹规划问题要么是有限的高斯不确定性和凸障碍或依赖于基于采样的方法,需要不确定性样本和时间离散化。为了解决风险有界的轨迹规划问题,我们利用风险轮廓的概念,将风险有界的规划问题转化为一个确定性的优化问题。风险等值线是不确定环境中具有有界风险的所有点的集合。所得到的确定性优化,在一般情况下,非线性和非凸时变优化。我们提供了基于平方和优化的凸方法来有效地解决所得到的非凸时变优化问题,并获得连续时间的风险有界的轨迹,而无需时间离散化。所提供的方法处理任意概率不确定性,非凸和非线性,静态和动态的障碍,并适用于在线轨迹规划问题。
2021-06-10 cs.RO cs.SY eess.SY
UAV Trajectory Planning with Path Processing
New Technologies for the Information Society Research Center(信息技术新技术研究中心);Faculty of Applied Sciences(应用科学学院);University of West Bohemia(西波希米亚大学)
该研究针对无人机轨迹规划的最优控制问题,提出结合Lazy Theta*路径、约束与无人机模型生成初始猜测的方法,经伪谱配点法验证,合适初始猜测可优化规划轨迹,为后续研究提供方向。
2024-07-01 cs.RO cs.SY eess.SY
MC-Swarm: Minimal-Communication Multi-Agent Trajectory Planning and Deadlock Resolution for Quadrotor Swarm
AI Institute of Seoul National University(首尔国立大学人工智能研究所);Carnegie Mellon University(卡内基梅隆大学);Department of Mechanical System Design Engineering, Seoul National University of Science and Technology (SEOULTECH)(首尔科学技术大学机械系统设计工程系)
提出MC-Swarm分布式四旋翼集群轨迹规划算法,仅初始阶段通信,借助协调状态更新与轨迹优化实现异步避碰和无死锁,并通过仿真与真实实验验证。
2025-05-13 cs.RO cs.SY eess.SY
Chance-Constrained Trajectory Planning with Multimodal Environmental Uncertainty
University of British Columbia(不列颠哥伦比亚大学);Seoul National University(首尔大学);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
本文针对GMM多模态环境不确定性下的安全轨迹规划,提出混合整数锥近似和CVaR方法,并在自动驾驶数据上验证了其有效性。
2025-03-09 cs.RO cs.SY eess.SY
Reduce Lap Time for Autonomous Racing with Curvature-Integrated MPCC Local Trajectory Planning Method
Zhejiang University(浙江大学)
针对传统MPCC在曲率变化剧烈赛道性能受限的问题,提出曲率集成MPCC局部轨迹规划方法,通过赛道曲率映射参考速度曲线优化轨迹速度,在1:10 F1TENTH赛车上验证可缩短11.4%-12.5%单圈用时。
2025-02-06 cs.RO cs.SY eess.SY
Safety-guaranteed trajectory planning and control based on GP estimation for unmanned surface vessels
Katholieke Universiteit Leuven(鲁汶天主教大学);University of Melbourne(墨尔本大学)
我们提出了一个安全保证的规划和控制框架,无人水面舰艇(USVs),使用高斯过程(GPS)学习不确定性。USV遇到的不确定性,包括外部干扰和模型失配,是潜在的状态依赖性,时变的,很难捕捉恒定的模型。GP是一个功能强大的基于学习的工具,可以与基于模型的规划和控制框架集成,该框架采用Hamilton Jacobi微分博弈公式。这样的组合产生不太保守的轨迹和安全保证的控制策略。我们证明了所提出的框架在模拟和实验上的CLEARPATH苍鹭USV。
2022-05-10 cs.RO cs.SY eess.SY
Vessel Trajectory Prediction using COLREGs-aware Optimal Planning
ABB Corporate Research(ABB企业研究部);Department of Electrical Engineering, Linköping University(Linköping大学电气工程系)
研究船舶轨迹预测问题,核心方法是先利用A*搜索生成初始轨迹,再用数值优化器确保符合COLREG,以船舶当前位置、速度和目的地为输入,基于AIS数据验证,比基于学习的方法预测更快。
2026-07-20 cs.RO cs.SY eess.SY
Trajectory Planning for Non-Communicating Mobile Robots using Inverse Optimal Control
FZI Research Center for Information Technology(弗劳恩霍夫信息技术研究所);Institute of Control Systems, Karlsruhe Institute of Technology(卡尔斯鲁厄大学控制系统研究所)
针对非通信移动机器人在避碰场景中的高效交互,提出一种结合逆最优控制的轨迹规划与预测算法,通过估计未知目标状态并联合预测,实现更快的规划求解。
2026-05-29 cs.RO cs.SY eess.SY
Trajectory Planning for Automated Driving using Target Funnels
BMW Group(宝马集团)
本文针对噪声感知下自动驾驶轨迹规划不稳定问题,提出基于目标漏斗的预测规划算法,融合道路概率信息,在保持跟踪精度的同时将输入代价降低56%。
2025-03-31 cs.RO cs.SY eess.SY
Trajectory Planning and Control for Automatic Docking of ASVs with Full-Scale Experiments
我们提出了一种方法,用于执行自动对接的小型自主水面车辆(ASV)的互连基于优化的轨迹规划与动态定位(DP)控制器的轨迹跟踪。轨迹规划器通过考虑具有静态障碍物的地图来提供无碰撞轨迹,并且通过包括ASV及其致动器的数学模型来产生可行的轨迹。DP控制器跟踪时间参数化的位置,速度和加速度的轨迹规划器使用比例积分微分反馈与速度和加速度前馈。该方法的性能进行了测试,在挪威特隆赫姆的封闭水域的小型ASV。ASV在跟踪生成的参考轨迹时,相对于静态障碍物执行无碰撞对接机动,并实现成功对接。
2020-04-16 cs.SY eess.SY math.OC
Multilayer Graph-Based Trajectory Planning for Race Vehicles in Dynamic Scenarios
Technical University of Munich(慕尼黑工业大学)
在高速和操纵极限下的轨迹规划是一项具有挑战性的任务。为了满足比赛场景的要求,我们提出了一个有远见的两步,多层基于图的轨迹规划器,能够运行速度高达212公里/小时。该规划器被设计为生成多个可驱动轨迹的动作集,允许相邻的行为规划器为场景中的全局状态选择最合适的动作。该方法用于诸如赛道跟踪、跟随、停止、超车以及能够在摩擦极限下操纵车辆的速度曲线的目标。因此,它提供了一个高的更新率,一个长远的规划视野和解决方案,非凸的情况。所提出的方法的能力,证明在模拟和一个真正的赛车。
2020-05-18 cs.RO cs.SY eess.SY
Trajectory Planning of Robotic Manipulator in Dynamic Environment Exploiting DRL
Lahore University of Management and Sciences(拉合尔管理科学大学);Speridian Technologies(斯佩里迪安技术公司)
本研究针对未知动态环境下机械臂的轨迹规划问题,应用DDPG算法控制7自由度机械臂避开随机移动障碍物完成拾放任务,并对比了密集与稀疏奖励下的模型效率。
2024-03-25 cs.RO cs.SY eess.SY
MATS: An Interpretable Trajectory Forecasting Representation for Planning and Control
Stanford University(斯坦福大学);Toyota Research Institute(丰田研究院)
人体运动推理是现代人机交互系统的核心组成部分。特别地,行为预测在自主系统中的主要用途之一是通知机器人运动规划和控制。然而,大多数规划和控制算法的原因是系统动态而不是预测的代理轨迹(即,路径点的有序集合),其通常由轨迹预测方法输出,这可能妨碍它们的集成。为此,我们提出仿射时变系统(MATS)的混合物作为输出表示的轨迹预测,更适合下游规划和控制使用。我们的方法利用成功的想法,从概率轨迹预测工程学习动力系统表示,在规划和控制文献中得到充分研究。我们将我们的预测与建议的多模态规划方法相结合,并在大规模自动驾驶数据集上展示了显着的计算效率改进。
2021-01-14 cs.HC cs.LG cs.RO
Warm-Started Optimized Trajectory Planning for ASVs
Norwegian University of Science and Technology (NTNU)(挪威科技大学)
我们认为,热启动的优化轨迹规划的自主水面车辆(ASV)的两种类型的规划者的优势相结合:A* 的实现,快速找到最短的分段线性路径,和基于控制的最优轨迹规划。一个非线性的3自由度欠驱动模型的ASV被认为是,随着目标功能,促进能源效率和易于观察的机动。A* 算法保证基于均匀分解的映射找到到达目标位置的最短分段线性路径。动态信息的构建和添加到A* 生成的路径,并提供了一个初始的猜测热启动的最优控制为基础的规划。最优控制规划器的运行时间大大减少了这个初始猜测,并输出一个动态可行的和局部最优的轨迹。
2019-07-05 cs.RO cs.SY eess.SY
Bayesian Active Inference for Intelligent UAV Anti-Jamming and Adaptive Trajectory Planning
University of Genoa(热那亚大学);Italian National Inter-University Consortium for Telecommunications (CNIT)(意大利国家大学电信联合体(CNIT))
本文提出基于贝叶斯主动推断的无人机抗干扰与自适应轨迹规划方法,通过结合专家示范与概率生成模型,实现高层规划与底层策略的协同,有效减少干扰并提升任务效率。
2025-12-05 cs.AI cs.RO cs.SY