Sample Efficient Learning of Path Following and Obstacle Avoidance Behavior for Quadrotors
ETH Zurich(苏黎世联邦理工学院);Delft University of Technology(代尔夫特理工大学)
在本文中,我们提出了一种算法的训练神经网络控制策略的四旋翼。所学习的控制策略直接从传感器输入计算控制命令,因此在计算上是高效的。模仿学习算法产生再现具有碰撞避免的路径跟随控制算法的行为的策略。由于神经网络的泛化能力,所得到的策略执行本地避碰的不可见的障碍物,同时遵循一个全局参考路径。该算法使用无时间模型预测路径跟踪控制器作为监督。控制器通过以下几个示例路径生成演示。这使得能够容易地实现学习算法,该学习算法对于模型预测控制器中使用的模型的误差是鲁棒的。该策略是在真实的四旋翼上训练的,这需要在示例路径周围进行无碰撞探索。因此,可以从真实四旋翼上的相对少量的示例训练策略,使得训练样本有效。
2019-06-28 cs.LG cs.RO
Model Predictive Path-Following Control for a Quadrotor
Institute of Engineering and Computational Mechanics(工程与计算力学研究所)
本文提出了一种基于模型预测控制的四旋翼路径跟随控制方法,通过硬件实验验证其有效性,并引入走廊路径跟随方法以应对路径跟踪的限制。
2025-06-18 cs.RO cs.SY eess.SY
Learning-based Predictive Path Following Control for Nonlinear Systems Under Uncertain Disturbances
Sun Yat-Sen University(中山大学)
精确的路径跟踪是具有挑战性的自主机器人在不确定的环境中运行。自适应和预测控制策略对于非线性机器人系统实现高性能的路径跟踪控制至关重要。在本文中,我们提出了一种新的基于学习的预测控制方案,耦合一个高层次的模型预测路径跟踪控制器(MPFC)与低层次的基于学习的反馈线性化控制器(LB-FBLC)的非线性系统的不确定性干扰。低层LB-FBLC利用高斯过程在线学习不确定的环境扰动,并在概率稳定性保证下精确跟踪参考状态。同时,高层MPFC利用线性化系统模型,通过虚拟线性路径动力学模型对路径参考目标的演化进行优化,为底层LB-FBLC提供参考状态和控制。仿真结果表明,所提出的控制策略的有效性四旋翼路径跟踪任务下未知的风干扰。
2022-12-26 cs.RO cs.SY eess.SY
On sensing-aware model predictive path-following control for a reversing general 2-trailer with a car-like tractor
Linköping University(林雪平大学);Scania CV(斯堪尼亚商用车公司)
设计可靠的路径跟踪控制器是成功部署自动驾驶车辆的关键因素。由于车辆在向后运动中的结构上不稳定的接头角度运动学和汽车式牵引车的曲率限制,该拖车设计问题对于具有汽车式牵引车的一般2拖车尤其具有挑战性,这可能导致车辆段折叠并进入折叠状态。此外,已经提出了具有有限视场的高级传感器来在线解决关节角度估计问题,这引入了关于可以可靠地估计哪些车辆状态的附加限制。为了将这些限制在控制水平,模型预测路径跟踪控制器的建议。考虑到车辆的物理和传感的限制,它是在现实世界中的实验表明,所提出的路径跟踪控制器在抑制干扰和恢复从非平凡的初始状态的性能显着改善相比,以前提出的解决方案,其中的约束已被忽略。
2020-05-06 cs.RO math.OC
Estimation-aware model predictive path-following control for a general 2-trailer with a car-like tractor
Linköping University(林雪平大学);Scania CV(斯堪尼亚商用车公司)
路径跟踪控制器的设计对于可靠的自主车辆操作至关重要。这个设计问题是特别具有挑战性的一般2拖车与汽车一样的牵引车,由于车辆的不稳定的关节角运动学向后运动。此外,先进的传感器放置在拖拉机的后部已经提出来解决关节角度估计问题。由于这些传感器通常具有有限的视场,因此估计解决方案引入了对可以以高精度估计的关节角度配置的限制。为了在控制器中明确考虑这些约束,提出了一种模型预测路径跟踪控制方法。给出了两种计算复杂度和性能不同的方法。在第一种方法中,关节角度约束被建模为凸多胞体的联合,使得有必要将二进制决策变量。第二种方法避免了二进制变量,代价是更保守的控制器。在仿真和现场实验中,所提出的路径跟踪控制方法的性能进行了比较与以前提出的控制策略。
2020-05-06 cs.RO math.OC
A review of path following control strategies for autonomous robotic vehicles: theory, simulations, and experiments
Institute for Systems and Robotics (ISR)(系统与机器人研究所);University of Lisbon(里斯本大学)
本文综述了自主机器人车辆在二维空间中的路径跟随控制策略,提出统一公式将现有方法分为基于车辆本体坐标系和沿路径参考点坐标系两类,并通过海洋航行器实验和开源仿真工具箱验证了各方法的优劣。
2022-04-15 cs.RO cs.SY eess.SY
Decentralized Safe Path Following for Multiple Quadrotors on Intersecting Paths with Theoretical Guarantees
New Jersey Institute of Technology(新泽西理工学院)
本文提出一种基于约束二次规划的分散式控制器,通过仅放宽沿路径速度约束,在交叉路径上实现多四旋翼的碰撞避免与严格路径跟踪,并给出理论保证及物理引擎验证。
2026-10-02 cs.RO cs.SY eess.SY
Three-dimensional Nonlinear Path-following Guidance with Bounded Input Constraints
Indian Institute of Technology Bombay(印度理工学院孟买分校);University of Cincinnati(辛辛那提大学)
针对有界输入约束下无人机三维任意光滑曲线路径跟踪问题,提出一种受追踪制导启发、不依赖路径几何的非线性制导律,并证明固定时间收敛与保持性能。
2025-03-16 cs.RO cs.SY eess.SY
Path-Following Guidance for Unmanned Aerial Vehicle with Bounded Lateral Acceleration
Intelligent Systems and Control Lab, Department of Aerospace Engineering, Indian Institute of Technology Bombay(印度理工学院孟买分校航空航天工程系智能系统与控制实验室)
本文提出了一种考虑有界侧向加速度的三维路径跟随引导方法,通过非线性框架和嵌套饱和控制技术,实现控制输入有界和横错误差指数收敛,适用于一般光滑路径,并通过仿真验证了其优越的跟踪性能和鲁棒性。
2026-03-28 cs.RO cs.SY eess.SY
Provably Correct Sensor-driven Path-following for Unicycles using Monotonic Score Functions
University of Kentucky(肯塔基大学);Paul Laurence Dunbar High School(保罗·劳伦斯·邓巴高中)
本文提出了一种可证明稳定的传感器驱动的控制器的路径跟踪应用的机器人与单运动学,其中一个特定的类是轮式移动机器人(WMR)。传感器测量值通过某种映射(得分函数)转换为标量值(得分);后者可以设计或学习。然后,使用具有三个参数的简单规则将分数映射到前进速度和角速度。关键的贡献是,这个控制器的正确性只依赖于得分函数满足单调性条件的基础状态-本地路径坐标-而不是在所有状态下实现特定的值。可以通过移动WMR在线检查单调性条件,而无需状态估计,或者使用诸如在模拟器中的测量的生成模型离线检查单调性条件。我们的方法提供了一个纯粹的基于测量的控制和基于状态的保证的正确性的实用性。我们证明了这种路径跟踪方法在模拟和物理WMR上的有效性,该WMR使用从在真实深度图像上训练的二元分类器获得的学习得分函数。
2023-03-21 cs.RO cs.SY eess.SY
Switched Vector Field-based Guidance for General Reference Path Following in Planar Environment
Indian Institute of Technology Madras(印度马德拉斯理工学院)
针对传统矢量场制导收敛慢且可能产生不可行转弯速率的问题,提出依据瞬时跨轨误差与航向角切换的矢量场制导方法,保证快速收敛、曲率约束满足与无抖振,并通过理论分析和仿真验证。
2024-05-10 cs.RO cs.SY eess.SY
Cooperative Sensing Enhanced UAV Path-Following and Obstacle Avoidance with Variable Formation
Beijing University of Posts and Telecommunications(北京邮电大学)
针对无人机编队安全执行任务的需求,本文结合DRL路径跟踪、ISAC协同感知、VFEO定位、在线避障与NSB分层融合,实现无冲突的路径跟踪和障碍物规避。
2025-08-29 cs.RO cs.SY eess.SY
A guiding vector field algorithm for path following control of nonholonomic mobile robots
Delft Center for Systems and Control at Delft University of Technology(代尔夫特理工大学系统与控制中心)
本文提出了一种基于引导矢量场(GVF)思想的非holonomic移动机器人路径跟随控制算法,该算法能够将任意光滑曲线作为期望路径,通过设计引导矢量场使其积分曲线收敛到轨迹,并通过非线性运动控制器使机器人沿该积分曲线运动,最终到达期望路径,同时通过实验验证了算法的全局收敛性和有效性。
2017-02-07 cs.RO cs.SY eess.SY
Distributed coordinated path following using guiding vector fields
University of Groningen(格罗宁根大学);Universidad Complutense de Madrid(马德里康普顿斯大学);Eindhoven University of Technology(埃因霍温理工大学)
在许多应用中,对一大群移动机器人施加可扩展的协调运动控制是必不可少的,这在需要重复执行的任务中是有效的,例如环境监测。在本文中,我们设计了一个引导向量场,引导多个机器人遵循可能不同的期望路径,同时协调他们的运动。矢量场使用路径参数作为在相邻机器人之间通信的虚拟坐标。然后,虚拟坐标被用来控制机器人之间的相对参数位移沿路径。这使我们能够设计一个饱和的控制算法的Dubins汽车模型。该算法是分布式的,可扩展的,适用于任何光滑路径在$n$维配置空间,并保证全局收敛。多达50个机器人的仿真和固定翼飞机的室外实验验证了理论结果。
2021-04-09 cs.RO cs.SY eess.SY
A path planning and path-following control framework for a general 2-trailer with a car-like tractor
Embark Trucks Inc.(Embark卡车公司);Scania CV(斯堪尼亚CV公司);Autonomous Transport Solutions(自主运输解决方案部门)
操纵一个普通的2拖车与一个汽车一样的牵引车在向后运动是一项任务,需要大量的技能来掌握,毫无疑问是一个卡车司机必须执行的最复杂的任务之一。本文提出了一种路径规划和路径跟踪控制解决方案,可用于自动规划和执行困难的停车和避障机动相结合的向后和向前运动。为了生成运动学上可行且无碰撞的路径,设计了一种基于网格的路径规划框架,并设计了一种路径跟踪控制器,以稳定路径执行过程中的横向和角向路径跟踪误差状态。为了估计控制所需的车辆状态,开发了一种非线性观测器,该观测器仅利用安装在汽车式拖拉机上的传感器的信息,使得系统独立于附加的拖车传感器。建议的路径规划和路径跟踪控制框架上实现了全尺寸的测试车辆和模拟和现实世界的实验结果。
2019-06-25 cs.RO
Path Following Control System of Line-of-Sight Guidance for Robotic Dolphin with Multi-Link Mechanism in Underwater Simulator
Utsunomiya University(乌山大学);Aichi Institute of Technology(爱知技术大学)
针对多连杆仿生自主水下航行器(BAUV),提出了一种基于视线导引的路径跟踪控制系统,并在水下模拟器中进行了参数确定和控制方法评估。
2026-05-25 cs.RO
On Model Predictive Path Following and Trajectory Tracking for Industrial Robots
Norwegian University of Science and Technology(挪威科技大学);SINTEF DIGITAL(SINTEF数字研究所)
在这篇文章中,我们将展示如何模型预测路径跟踪控制器允许机器人机械手停止在障碍物的方式,模型预测轨迹跟踪控制器不能。我们提出了这两个控制器应用于机器人机械手,模拟两连杆机械手使用内点求解器,考虑离散化的最优控制问题,使用配置或龙格库塔,并讨论我们的实施模型预测路径跟踪控制器的实时可行性。
2017-03-07 cs.RO
Cooperative Path-following Control of Remotely Operated Underwater Robots for Human Visual Inspection Task
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);Tokai University(东海大学)
遥控潜水器(ROV)已经引起了人们对水下任务的极大关注,例如基础设施的检查和维护。即使是熟练的操作员,操作员的工作量也往往很大。因此,期望用于操作者的辅助方法。本研究的对象是,在由操作人员进行视觉检查的同时,控制水下机器人沿着一定的路径行进的作业。在这种作业中,由于视觉检查是由操作人员进行的,所以希望能够手动实现轨迹控制的速度。然而,为了将资源分配给目视检查,期望通过辅助自动控制来最小化路径跟踪上的工作量。因此,本研究的目的是开发一种合作的路径跟踪控制方法,实现上述任务,通过扩展的非完整轮式车辆的鲁棒路径跟踪控制律。为了简化这个问题,我们考虑了一个路径跟踪和视觉对象识别任务在一个二维平面。我们进行了一项实验,参与者(n=16)谁完成了任务,使用所提出的方法和手动控制。结果表明,无论是路径跟踪误差和工作量的参与者显着小于所提出的方法比手动控制。此外,主观反应表明,操作员的注意力往往被分配到物体识别,而不是机器人操作任务与所提出的方法。这些结果表明所提出的协同路径跟踪控制方法的有效性。
2022-03-25 cs.RO
Overtaking Moving Obstacles with Digit: Path Following for Bipedal Robots via Model Predictive Contouring Control
University of Delaware(特拉华大学)
本文提出一种基于模型预测轮廓控制(MPCC)的双足机器人步态选择方法,使Digit能在最大化路径推进的同时,在忠实路径跟随与快速路径跟随间决策,实现超越移动障碍物。
2023-07-31 cs.RO
3D Path-Following Guidance via Nonlinear Model Predictive Control for Fixed-Wing Small UAS
Ann and H.J. Smead Department of Aerospace Engineering Sciences at the University of Colorado Boulder(科罗拉多大学博尔德分校安与H.J.斯梅德航空航天工程科学系);Charles Stark Draper Laboratory Inc.(查尔斯·斯泰克·德帕尔实验室公司)
本文提出基于非线性模型预测控制的3D路径跟随引导算法,通过动态优化路径速率实现路径进展与距离的平衡,验证了其在高速飞行中的有效性。
2025-12-30 cs.RO
Along Similar Lines: Local Obstacle Avoidance for Long-term Autonomous Path Following
University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究所)
视觉示教和重复3(VT&R3)是立体声VT&R的推广,使用拓扑映射和来自单个丰富传感器流的定位来实现长期自主路径跟踪。在本文中,我们改进了VT&R3的LiDAR实现的能力,以在不断变化的环境中可靠地检测和避开障碍物。我们的架构简化了障碍感知问题的位置相关的变化检测。然后,我们扩展了通用的基于样本的运动规划器的行为,以更好地适应教学和重复的问题结构,通过引入一个新的边缘成本度量配对的曲线规划空间。由此产生的规划生成自然平滑的路径,避免当地的障碍物,同时最大限度地减少横向路径偏差,以最好地利用先验地形知识。虽然我们使用的方法与VT&R,它可以推广到适合任意的路径跟踪应用。在线运行时分析,单元测试,定性实验的实验结果显示,在复杂的非结构化环境中的可靠的长期自主运行的技术的承诺。
2022-11-03 cs.RO
Integrating Vehicle Slip and Yaw in Overarching Multi-Tiered Automated Vehicle Steering Control to Balance Path Following Accuracy, Gracefulness, and Safety
University of Utah(犹他大学)
平衡路径跟踪精度和误差收敛与转向控制中的优雅运动是具有挑战性的,因为这些要求的竞争性质,特别是在一系列操作速度和条件下。本文证明了一个综合的多层转向控制器考虑滑移的影响,运动控制,动态控制,和转向执行器速率命令实现准确和优雅的路径跟踪。这项工作是建立在多层侧滑和偏航为基础的模型,它允许推导控制器考虑误差由于侧滑和转向命令和优雅的横向运动之间的映射。基于观测器的侧滑估计与运动控制器中的航向误差相结合,以提供前馈滑移补偿。通过一个连续的变结构控制器(VSC)补偿路径跟踪误差,该控制器使用基于速度的路径流形来平衡优雅运动和误差收敛。反推动态控制器使用所得到的横摆率命令来生成转向率命令。高增益观测器(HGO)估计侧滑和偏航率的输出反馈控制。给出了输出反馈控制器的稳定性分析,解决了尖峰问题。工作集中在横向控制,使转向控制器可以与其他速度控制器相结合。实地结果提供了与相关方法的比较,证明了在不同天气条件和扰动的不同复杂情况下的可靠性和准确性。
2022-07-12 cs.RO
Hybrid Feedback Path Following for Robotic Walkers via Bang-Bang Control Actions
University of Trento(特伦托大学)
我们展示了一个控制算法,引导机器人步行助手沿着规划的路径。控制策略利用安装在步行机后轮的机电制动器。为了降低硬件要求,我们采用了四个动作的Bang Bang方法(制动力矩为饱和值)。当平台远离路径时,我们执行一个接近阶段,其中步行者以指定的角度向平台收敛。当它接近平台时,控制策略切换到路径跟踪模式,该模式使用四个控制动作以作为状态的函数的角度朝向路径收敛。通过这种方式,可以在反馈中控制车辆,确保用户温和地收敛到计划的路径,并朝着目的地稳步前进。
2016-03-01 cs.RO
Adaptive Line-Of-Sight guidance law based on vector fields path following for underactuated unmanned surface vehicle
Donghua University(东华大学)
针对欠驱动USV路径跟踪,提出基于矢量场的VFALOS自适应视线制导律,实现更快收敛、抑振抗扰,并证明k指数稳定性。
2024-04-05 cs.RO
Two-Stage Path Following for Mobile Manipulators via Dimensionality-Reduced Graph Search and Numerical Optimization
College of Mechanical and Vehicle Engineering, ChongQing University(机械与车辆工程学院,重庆大学)
本文提出基于维度约简图搜索与数值优化的双阶段路径跟随方法,解决移动机械手高维配置空间和运动学约束问题,通过离散化与连续优化提升路径规划的精度和鲁棒性。
2026-03-07 cs.RO
Maze solving Algorithm for line following robot and derivation of linear path distance from nonlinear path
Bangladesh University of Engineering & Technology(孟加拉国工程技术大学)
本文讨论了探索和求解任何类型的线迷宫的一种独特的通用算法,并给出了一种简单的算法,适用于无环或有两个最高分支的环,其中两个分支都不是向内的。对于一般的算法,我们需要一个方法来映射整个迷宫,这是需要如果迷宫是复杂的。提出的迷宫映射系统是基于坐标系和映射后,整个迷宫作为一个图形在标准的“邻接表表示”的方法,最短路径和最短时间路径提取使用Dijkstra的算法。为了找到转弯点和交叉点的坐标,需要点之间的线性距离,为此使用了车轮编码器。然而,由于机器人的非线性运动,从编码器直接测量的距离具有一些误差,并且为了消除这种误差,建立了一种想法,该想法通过推导方程来结束,该方程从在非线性路径中移动的机器人的轮编码器的读数中给出两点之间几乎精确的线性距离。
2015-01-04 cs.RO
Deep Deterministic Path Following
Chalmers University of Technology(查尔姆斯理工大学)
针对路径跟踪问题,提出了一种基于深度确定性策略梯度(DDPG)的车辆纵向和横向控制算法。DDPG代理使用PyTorch实现,并在Python中创建的自定义运动自行车环境上进行训练和评估。通过测量相对于参考路径的跨轨迹误差和速度误差来评估性能,结果显示智能体如何学习允许小的跨轨迹误差的策略,以及自适应加速度以最小化速度误差。
2021-04-13 cs.LG cs.RO
Combining Safe Interval Path Planning and Constrained Path Following Control: Preliminary Results
National Research University Higher School of Economics(国家研究型高等经济大学);Moscow Institute of Physics and Technology(莫斯科物理技术学院);Peoples’ Friendship University of Russia (RUDN University)(俄罗斯人民友谊大学(RUDN大学));Bauman Moscow State Technical University(鲍曼莫斯科国立技术大学)
本文研究了机器人在静态和动态障碍物中的导航问题,并采用分层的方法进行了求解。首先,采用能够处理任意角度平移和旋转的安全区间路径规划算法规划参考轨迹。其次,路径跟踪问题被视为有约束的控制问题,并提出了原来的基于平坦性的方法来产生控制。我们提出了一些增强的路径规划算法,旨在寻找轨迹,更有可能被机器人没有碰撞。进行的实验评估的结果表明,成功解决的导航实例的数量显着增加时,使用建议的技术。
2019-06-17 cs.RO math.OC
Adaptive Experimental Design for Path-following Performance Assessment of Unmanned Vehicles
University of Genova(热那亚大学);National Research Council(国家研究委员会);London School of Economics(伦敦政治经济学院)
由于机器人在日常民用生活中的应用越来越多,机器人技术中的良好实验方法(GEM)的定义也是一个广泛关注的话题。目前的工作有助于正在进行的讨论无人水面车辆(USV)的GEM。它侧重于GEM的定义,并为路径跟踪实验提供了具体的指导方针。统计设计的实验(DoE)提供了一个有效的基础,开发一个经验模型的系统正在调查。一个两步的自适应实验过程,评估路径跟踪性能和基于能源部,测试的模拟器上的查理USV。本文认为,进行广泛的模拟之前,执行田间试验的必要性。
2016-11-14 cs.RO stat.AP
2.5D Mapping, Pathfinding and Path Following For Navigation Of A Differential Drive Robot In Uneven Terrain
National Research University Higher School of Economics(国立研究型大学高等经济学院)
在不平坦地形中的安全导航是机器人研究中的一个重要问题。在本文中,我们提出了一个2.5维导航系统,其中包括高程地图建设,路径规划和局部路径跟踪与避障。对于局部路径跟踪,我们使用模型预测路径积分(MPPI)控制方法。我们为MPPI提出了新的成本函数,以便使其适应高程地图和不平坦运动。我们评估我们的系统在多个合成测试,并在模拟环境中,不同类型的障碍物和粗糙的表面。
2022-09-15 cs.RO cs.SY eess.SY
Deep Reinforcement Learning Controller for 3D Path-following and Collision Avoidance by Autonomous Underwater Vehicles
Norwegian University of Science and Technology(挪威科技大学);Oklahoma State University(俄克拉荷马州立大学)
控制理论为工程师提供了大量的工具来设计控制器,以操纵动态系统的闭环行为和稳定性。这些方法在很大程度上依赖于对控制物理系统的数学模型的理解。然而,在复杂的系统中,如自主水下航行器执行路径跟踪和避碰的双重目标,决策变得不平凡。我们提出了一个解决方案,使用最先进的深度强化学习(DRL)技术,开发自主智能体能够实现这一混合目标,而无需先验知识的目标或环境。我们的研究结果表明,DRL在路径跟踪和避免碰撞的可行性,以实现人类的自主车辆系统在极端障碍配置的决策。
2020-06-17 cs.LG cs.RO
Time Governors for Safe Path-Following Control
Eindhoven University of Technology(埃因霍温理工大学);Eindhoven AI Systems Institute(埃因霍温人工智能系统研究所)
机器人在障碍物周围的安全和平稳运动是自主机器人的基本技能,特别是在人和其他机器人周围操作时。传统上,由于实时操作要求和机载计算限制,许多机器人运动规划和控制方法遵循两步方法:首先构造(例如,分段线性)的无碰撞参考路径的简化机器人模型,然后通过路径跟踪控制执行的参考计划更准确和复杂的机器人模型。用于高度动态机器人系统的这种解耦机器人运动规划和控制方法的挑战是确保路径跟随控制的安全性以及参考规划的成功完成。在本文中,我们介绍了一种新的动态系统的方法,在线闭环时间参数化,称为$\textit{a time governor}$,参考路径可证明正确和安全的路径跟踪控制的基础上反馈运动预测,其中的机器人运动的安全性下的路径跟踪控制连续监测使用预测的机器人运动。在介绍了安全路径跟踪的时间总督的一般框架后,我们提出了一个例子应用程序的完全驱动的高阶机器人动力学使用比例和高阶导数(PhD)路径跟踪控制,其反馈运动预测是由李雅普诺夫椭球和范德蒙德单纯形。在数值模拟中,我们研究了参考位置和速度反馈的作用,以及路径跟踪性能和机器人运动的运动预测。
2022-12-02 cs.RO cs.SY eess.SY
A Parameter-Linear Formulation of the Optimal Path Following Problem for Robotic Manipulator
Institute of Robotics, Johannes Kepler University Linz(机器人研究所,约翰·凯泽大学林茨)
本文针对机器人操作臂时间最优路径跟踪中的奇异性问题,提出一种基于最大化路径速度的新方法,实现数值高效的平滑轨迹规划,且离散重构在优化变量上呈线性。
2025-10-23 cs.RO math.DS
Visual Memory for Robust Path Following
University of California, Berkeley(加州大学伯克利分校)
尽管人类的运动存在不确定性,但他们仍然会在新的环境中向前和向后回溯路径。本文提出了这样做的方法。给定路径的演示,第一网络生成路径抽象。配备了这种抽象,第二个网络观察世界,并决定如何采取行动,在嘈杂的激励和不断变化的环境下重新追踪路径。这两个网络在训练时进行端到端优化。我们评估的方法在两个现实的模拟器,执行路径跟踪和归航下的驱动噪声和环境变化。我们的实验表明,我们的方法优于经典的方法和其他基于学习的基线。
2018-12-03 cs.CV cs.LG cs.RO
Spline Path Following for Redundant Mechanical Systems
University of Waterloo(滑铁卢大学)
本文提出了一种适用于由样条生成的框架曲线的路径跟随控制方法,通过求解约束二次优化问题解决冗余性,并通过实验验证了其在具有显著模型不确定性的4自由度机械臂上的有效性。
2015-04-27 cs.RO cs.SY eess.SY
Model Predictive Path-Following for Constrained Differentially Flat Systems
University of Toronto Institute for Aerospace Studies (UTIAS)(多伦多大学航空航天研究所(UTIAS))
本文提出一种结合前馈线性化与基于路径的模型预测控制的新型预测路径跟踪方法,通过微分平坦性将非线性问题转化为凸优化问题,并通过动态路径参考提高系统鲁棒性,实验验证了在四旋翼上优于传统轨迹跟踪控制器的性能。
2017-11-02 cs.RO cs.SY eess.SY
Path Following and Stabilisation of a Bicycle Model using a Reinforcement Learning Approach
Department of Mechatronics, University of Innsbruck(因斯布鲁克大学机电工程系);Department of Biomechanical Engineering, Delft University of Technology(代尔夫特理工大学生物力学工程系)
本文提出一种基于强化学习的路径跟随与稳定化方法,通过虚拟自行车模型在复杂路径上实现稳定控制,采用PD控制器将转向角度转换为转向力矩,通过课程学习策略优化性能。
2024-07-24 cs.LG cs.RO
From 2D to 3D terrain-following area coverage path planning
Findklein GmbH(Findklein公司)
本文提出了一种三维地形跟随区域覆盖路径规划算法,生成多个相邻路径,确保局部间距与工作宽度一致,同时投影距离与特定工作高度一致,并通过实际农业数据验证算法效果。
2026-03-23 cs.RO cs.SY eess.SY
Vector Fields for Path Following on Lie Groups with Application in Robot Control
针对李群上的路径跟随问题,提出一种通用向量场框架,保证从几乎所有初始条件收敛到期望参数曲线并连续运动,在SE(3)上给出最小表示的控制输入,通过机械臂实验验证有效性。
2026-05-25 cs.RO cs.SY eess.SY
Path-following model predictive control for autonomous e-scooters
University of Stuttgart(斯图加特大学)
针对电动滑板车共享系统挑战,提出基于模型预测控制的自主滑板车路径跟踪方案,实现定位导航与平衡,并在真实实验中验证有效性。
2025-07-09 cs.RO cs.SY eess.SY
Singularity-Free Guiding Vector Field over Bézier's Curves Applied to Rovers Path Planning and Path Following
Dept. Arquitectura de Computadores y Automática Facultad de Ciencias Físicas. Universidad Complutense Madrid, Spain(计算机架构与自动化系物理科学学院. 哥伦布大学马德里分校)
本文提出了一种无奇异引导向量场方法,用于轮式移动机器人在参数化路径上的路径规划与跟随,结合可变曲率速度设定点,以提高路径收敛性能。
2026-01-15 cs.RO cs.SY eess.SY
Robust Path Following on Rivers Using Bootstrapped Reinforcement Learning
Technische Universität Dresden(德累斯顿工业大学)
本文提出基于bootstrapped Q-learning与训练环境生成器的DRL智能体,用于内河航道自主水面船舶的导航与控制,相比PID控制器在真实河流数据上展现出更强的泛化能力与高导航精度。
2023-03-24 cs.AI cs.LG cs.RO
Inverse Kinematics on Guiding Vector Fields for Robot Path Following
INRIA(法国国家信息与自动化研究所);University of Granada(格拉纳达大学)
本文提出将逆运动学应用于引导向量场,实现移动机器人路径跟踪,并通过固定翼无人机飞行验证了理论结果。
2025-02-24 cs.RO cs.SY eess.SY
Multi-Objective Optimization of a Path-following MPC for Vehicle Guidance: A Bayesian Optimization Approach
RWTH Aachen University(亚琛工业大学);IAV GmbH(IAV公司)
研究了车辆纵向和横向控制的路径跟踪模型预测控制的代价泛函的多目标优化问题。虽然模型预测控制固有的最优特性和对约束的直接考虑为许多应用提供了非常强大的工具,但是确定适当的成本泛函是一项重要的任务。这一方面由自由度的数量或多个可调参数引起,另一方面由这些参数的耦合引起。为了克服这种情况下的贝叶斯优化过程,它给出了可能性,以确定最佳的成本函数参数为一个给定的愿望。此外,可以计算一组可能的配置的帕累托前沿。
2021-04-08 cs.RO cs.SY eess.SY
Fast and Safe Path-Following Control using a State-Dependent Directional Metric
University of California, San Diego(加利福尼亚大学圣地亚哥分校);Eindhoven University of Technology(埃因霍温理工大学)
本文研究了在部分已知环境中快速、安全的自主导航问题。我们的主要贡献是一个控制策略设计的基础上获得的二次状态相关的距离度量的椭球轨迹边界。椭球边界被用来嵌入方向偏好的控制设计,导致系统的行为,是适应当地的环境几何形状,仔细考虑内侧障碍,而不太注意横向的。我们使用一个虚拟的参考总督系统,自适应地遵循所需的导航路径,当系统的安全可能会受到侵犯,否则加速减慢。由此产生的控制器能够比常见的欧几里得范数和基于Lyapunov函数的设计更快地导航复杂的环境,同时保持稳定性和避免碰撞的保证。
2020-02-25 cs.RO cs.SY eess.SY
Taming an autonomous surface vehicle for path following and collision avoidance using deep reinforcement learning
Norweigan University of Science and Technology(挪威科技大学);SINTEF Digital(SINTEF数字研究所);Oklahoma State University(俄克拉荷马州立大学)
在这篇文章中,我们探讨了近端策略优化的可行性,一个国家的最先进的深度强化学习算法的连续控制任务,对双目标问题的控制欠驱动自主水面车辆遵循先验已知的路径,同时避免碰撞与非移动障碍物的道路上。配备多个测距传感器用于障碍物检测的人工智能代理在基于OpenAI gym python工具包的具有挑战性的随机生成的模拟环境中进行训练和评估。值得注意的是,智能体可以实时了解自己的奖励函数,从而允许它动态地调整其指导策略。根据其策略,从激进的路径遵守到激进的障碍物规避,经过训练的代理实现了84%到100%的偶发成功率。
2019-12-18 cs.AI cs.LG cs.RO
On the Dual Implementation of Collision-Avoidance Constraints in Path-Following MPC for Underactuated Surface Vessels
Kiel University(基尔大学);AVL Software and Functions GmbH(AVL软件与功能有限公司)
提出了一种将障碍物形状近似为凸多边形的路径跟踪避碰模型预测控制(MPC)方法。避免碰撞是通过有符号的距离函数来确保的,该有符号的距离函数作为MPC问题的一部分通过利用对偶公式来有效地计算。整个MPC问题可以通过标准的非线性规划(NLP)求解器来解决。双符号距离公式化产生,除了(双)碰撞避免约束,规范和一致性约束。提出了一种新的方法,结合产生的规范平等的双重碰撞避免不等式约束,以产生一个替代制定减少复杂性。移动障碍物被认为是使用单独的线性预测的障碍物位置的凸集的对偶问题。的理论研究结果和简化的比较,经常使用的椭球形障碍制定和分析方面的效率的例子,一个模拟的路径跟踪自主水面舰艇在一个现实的机动和AIS障碍数据从基尔湾地区。
2021-03-12 cs.RO cs.SY eess.SY