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
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
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
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
Assessing the Value of Visual Input: A Benchmark of Multimodal Large Language Models for Robotic Path Planning
Department of Micro-Nano Mechanical Science and Engineering, Nagoya University, Nagoya, Aichi, Japan（Nagoya大学微纳米机械科学与工程系）；Institutes of Innovation for Future Society, Nagoya University, Nagoya, Aichi, Japan（Nagoya大学未来社会创新研究所）
本文通过基准测试评估15个多模态大语言模型在二维网格机器人路径规划中视觉输入的效用，发现视觉输入在简单网格上有一定帮助，但在复杂网格上性能显著下降，揭示了空间推理与多模态集成的可扩展性挑战。
2025-07-16 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
Interaction-Aware Trajectory Prediction for Safe Motion Planning in Autonomous Driving: A Transformer-Transfer Learning Approach
National University of Singapore（新加坡国立大学）；Delft University of Technology（代尔夫特理工大学）；Southeast University（东南大学）
针对自动驾驶中忽略人驾车辆交互的问题，提出基于Transformer-迁移学习的交互感知轨迹预测器，并引入不确定性量化方法，实验证明其有效提升安全运动规划。
2024-11-03 cs.RO
Estimation and Adaption of Indoor Ego Airflow Disturbance with Application to Quadrotor Trajectory Planning
Hong Kong University of Science and Technology（香港科技大学）
普遍认为，在四旋翼无人机（最广泛采用的无人机（UAV）之一）的自主导航过程中，安全始终具有最高优先级。然而，据观察，自我气流扰动在飞行期间可能是一个显著的不利因素，导致潜在的安全问题，特别是在狭窄和密闭的室内环境中。因此，我们提出了一种新的方法来估计和适应室内自我气流干扰的四旋翼，同时将其应用到轨迹规划。首先，针对邻近效应，对不同四旋翼进行了悬停实验。然后，与收集的加速度方差，干扰建模的四旋翼根据所提出的配方。在悬停条件下，在不同的重建的复杂环境的干扰模型也进行了验证。此外，根据估计的扰动进行Hamilton-Jacobi可达性分析的近似，以便于安全的轨迹规划，包括运动动力学路径搜索和B样条轨迹优化。整个规划框架在不同室内环境下的多个四旋翼平台上进行了验证。
2021-09-10 cs.RO
Real-time Acceleration-continuous Path-constrained Trajectory Planning With Built-in Tradability Between Cruise and Time-optimal Motions
Nankai University（南开大学）
提出了一种新的实时的【形】加速度连续路径约束轨迹规划算法，该算法具有巡航运动和时间最优运动之间的可交换机制。与现有方法不同的是，该方法平滑的时间最优轨迹与bang-bang输入结构生成加速度连续的轨迹，同时保持完整性。更重要的是，提出了一种新的内置的【形】可交易性机制，并将其嵌入到轨迹规划框架中，从而可以通过改变用户指定的功能参数来灵活地调整巡航运动和时间最优运动的比例。因此，用户可以容易地将轨迹规划算法应用于对运动效率和巡航比例具有不同要求的各种任务。此外，它表明，可行的轨迹计算速度比最佳轨迹。对上述结果进行了严格的数学分析和证明。全方位轮式移动机器人的比较仿真和实验结果表明，该算法的巡航和时间最优运动之间的灵活调整，以及更高的计算效率方面的能力。
2018-12-08 cs.RO
Velocity Field: An Informative Traveling Cost Representation for Trajectory Planning
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；The Hong Kong University of Science and Technology（香港科技大学）；HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深港协同创新研究院）
针对自动驾驶轨迹规划难以穷尽设计规则的问题，提出名为 Velocity Field 的局部地图表示方法，通过学习人类驾驶示范提供朝向与速度先验，在真实数据集上比栅格化代价地图更可靠高效。
2024-09-20 cs.RO
NEPTUNE: Nonentangling Trajectory Planning for Multiple Tethered Unmanned Vehicles
Nanyang Technological University（南洋理工大学）
针对多系留机器人到达各自目标时易缠绕的问题，本文提出系绳感知多机器人同伦表示，并结合去中心化在线图搜索与优化框架，实现无缠绕、无碰撞且动力学可行的实时轨迹规划。
2023-04-25 cs.RO
PINSAT: Parallelized Interleaving of Graph Search and Trajectory Optimization for Kinodynamic Motion Planning
The Robotics Institute at Carnegie Mellon University（卡内基梅隆大学机器人研究所）
PINSAT通过系统并行化INSAT中的图搜索与轨迹优化，降低规划时间并提高成功率，在6自由度障碍物环境下实现高效动力学运动规划。
2024-03-16 cs.RO
Efficient Trajectory Planning and Control for USV with Vessel Dynamics and Differential Flatness
Zhejiang University（浙江大学）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）
无人水面舰艇广泛应用于海洋勘探和环境保护领域。为了保证无人艇能够顺利完成任务，轨迹规划和运动跟踪是两项最关键的技术。本文提出了一种基于最优化理论的无人艇轨迹生成与跟踪方法。具体地说，USV的动力学模型描述与微分平坦，使轨迹可以产生动态RRT* 的线性不变系统的表达形式下的最佳边界值的目标。为了减少样本数，提高效率，我们调整轨迹通过局部优化。在优化过程中考虑了动力学约束，使生成的轨迹符合欠驱动船体的运动学特性，便于跟踪。最后，在序列二次规划问题下加入模型预测控制进行运动跟踪。实验结果表明，规划的轨迹更符合无人艇的运动学特性，跟踪精度保持较高水平。
2022-09-07 cs.RO
Trajectory Planning for Autonomous Parking in Complex Environments: A Tunnel-based Optimal Control Approach
JD Inc.（京东集团）；Galatasaray University（加拉塔萨雷大学）；Concordia University（康考迪亚大学）
提出了一种快速准确的自主泊车轨迹规划算法。名义上，应该用一个最优控制问题来描述这种方案，但最优控制问题的维数通常很大，因为车辆在整个动态过程中需要在每一时刻避免与每一个障碍物碰撞。虽然由基于采样和搜索的规划器获得的初始猜测有助于数值优化过程，但它仍然远没有实时那么快。为了解决这个问题，我们取代了一系列的隧道内的条件的碰撞避免的约束。具体地说，我们开发了一个基于隧道的策略，使车辆被限制在隧道内移动，自然地将车辆与障碍物分开。仿真结果验证了所提出的轨迹规划方法的统一性、有效性和鲁棒性。
2019-10-11 cs.RO
Trajectory Planning and Tracking of Hybrid Flying-Crawling Quadrotors
East China University of Science and Technology（华东理工大学）；Fudan University（复旦大学）
针对混合飞行-爬行四旋翼飞行器的混合运动需求，提出含考虑爬行限制的地空路径搜索、适配变形时间的轨迹跟踪的规划跟踪框架，经多场景仿真与实机实验验证性能优异。
2024-05-14 cs.RO
Real-Time Trajectory Planning for AGV in the Presence of Moving Obstacles: A First-Search-Then-Optimization Approach
Hunan University（湖南大学）；Concordia University（康考迪亚大学）
研究了移动障碍物存在时自动导引车（AGV）的轨迹规划问题。为了获得较好的解的精度、最优性和统一性，需要将问题转化为一个最优控制问题，然后离散为一个非线性规划（NLP）问题进行数值优化。如果没有接近可行或接近最优的初始猜测，NLP求解过程通常很慢。为了加快NLP求解速度，增加了一个基于搜索的粗规划阶段，以产生适当的初始猜测。具体地说，建立了一个连续的状态空间，它由二维位形空间和一个时间维的笛卡尔积构成。粗略的轨迹是由基于图搜索的规划器，即A* 算法生成的。这里，通过离散化上述连续时空空间来构造图中的节点。通过这种先搜索后优化的框架，可以快速获得统一轨迹规划问题的最优解。仿真结果验证了该方案的实时的【形】性能。
2021-04-04 cs.RO
Risk-Aware Motion Planning with Learned Trajectory Primitives and Probabilistic Safety Assessment
本文提出由径向基函数网络指导的运动规划框架，结合RBFN候选轨迹生成、碰撞概率评估与轨迹优化，在城市驾驶场景中提升风险感知并减少车辆限制违规，确保安全与可解释性。
2026-07-30 cs.RO
Optimizing Passenger Comfort in Cost Functions for Trajectory Planning
Technische Universität München（慕尼黑工业大学）
目前自动驾驶汽车的发展进步表明，无人驾驶汽车可能会在不久的将来大规模部署。工业界和学术界的研究都受到这项新技术的潜在好处的推动，包括减少死亡人数，改善交通和燃油效率，以及为那些愿意或不能自己驾驶汽车的人提供更大的流动性。除了安全性之外，采用自动驾驶汽车的一个决定性因素将是乘客的舒适度。本报告着眼于目前用于自动道路驾驶的运动规划方法中的成本函数。具体地说，人类对轨迹舒适程度的感知如何可以在成本函数内公式化。
2018-11-16 cs.RO
ART-TEB: Adaptive Trajectory Planning for Mobile Robots in Cluttered Environments
Department of Computer Science and Engineering（计算机科学与工程系）
提出ART-TEB自适应轨迹规划算法，通过分段碰撞测试和位姿校正提升杂乱环境下移动机器人的安全性与规划效率，仿真和实验验证其成功率与速度显著优于现有方法。
2026-10-01 cs.RO
Fast and Bounded Probabilistic Collision Detection in Dynamic Environments for High-DOF Trajectory Planning
University of North Carolina（北卡罗来纳大学）
我们提出了一种新的方法来执行高自由度的机器人和高自由度的障碍物在动态，不确定的环境中的概率碰撞检测。在高自由度机器人和移动障碍物的动态环境中，我们的方法有效地计算机器人和障碍物之间的准确碰撞概率的误差上限。此外，我们描述了一个预测算法，未来的障碍物的位置和运动，占空间和时间的不确定性。提出了一种基于概率碰撞检测的高自由度机器人在动态、不确定环境中的轨迹优化算法。我们强调运动规划性能在具有挑战性的情况下，机器人手臂在动态移动的人类障碍物的环境中操作。
2016-07-16 cs.RO
Trajectory Planning for Connected and Automated Vehicles: Cruising, Lane Changing, and Platooning
自动化和连通性被认为是最有前途的技术之一，可以提高运输系统的安全性、移动性、燃料和时间消耗。联网和自动驾驶车辆（CAV）的一些燃油效率优势可以通过队列行驶来实现。一个排是一列虚拟的CAV训练，它们跟随排长一起行进，彼此之间有很小的间隙。车辆还可以通过改变车道来减少行驶时间。在本文中，我们设计了一个最优控制为基础的轨迹规划模型，可以提供安全和有效的轨迹为主题的车辆，并可以包括排队和换道。我们将此轨迹规划模型嵌入到仿真框架中，以量化其效率优势，因为它与动态交通流中的燃料消耗和行驶时间有关。此外，我们进行了大量的数值实验，以调查是否，以及在何种情况下，在上游的主体车辆的车辆也可能会遇到二手燃料效率的好处。
2020-01-23 cs.RO
Real-Time Trajectory Planning for Aerial Perching
Zhejiang University（浙江大学）；Huzhou Institute, Zhejiang University（浙江大学湖州研究院）
提出了一种新的空中栖息轨迹规划方法。与现有的工作相比，终端状态和轨迹持续时间可以自适应地调整，而不是预先确定的。此外，我们的规划器是能够最小化的切向相对速度的安全性和动态可行性的前提下。这一特点在机动性较低或空间不够的微型空中机器人上尤为明显。此外，我们设计了一个灵活的转换策略，以消除终端约束，减少优化变量。此外，我们采取精确的SE（3）运动规划，以确保无人机不会接触到着陆平台，直到最后一刻。所提出的方法进行了验证板上的手掌大小的微型航空机器人具有相当有限的推力和力矩（推重比1.7）栖息在一个移动的倾斜表面。实验结果表明，该规划器能在20ms内生成最优轨迹，并在2ms内实现热启动.
2022-07-19 cs.RO
Time-Optimal Trajectory Planning in Highway Scenarios using Basis-Spline Parameterization
TU Dortmund University（多特蒙德工业大学）；ZF Group（采埃孚集团）
针对现有基于梯度的运动规划器无法保证递归可行性、难达不同时间尺度终端流形的问题，提出将样条断点纳入优化变量的非线性优化方法，结合样条基变换与断点移除策略，经超车场景验证了断点数量对求解质量和优化耗时的影响。
2023-10-05 cs.RO
Hierarchical Trajectory Planning for Autonomous Driving in Low-speed Driving Scenarios Based on RRT and Optimization
The Hong Kong University of Science and Technology（香港科技大学）
虽然人们对城市道路和高速公路上的路径规划进行了大量的研究，但很少有研究低速驾驶场景下的驾驶策略和轨迹规划，例如，在大学校园内驾驶或在住宅区或工业区内驾驶。在这些情况下的规划研究是至关重要的，因为这些环境往往涵盖了日常旅行或物流系统的第一公里或最后一公里。此外，有必要区别对待这些场景，因为在大多数情况下，驾驶环境是狭窄的，动态的，并且充满障碍物，这也导致在这种环境中进行规划仍然是一项具有挑战性的任务。提出了一种将路径规划和时间规划分离的层次规划方法。通过改进的双向快速探索随机树（bi-RRT）方法生成满足运动学约束的路径。然后，通过序列二次规划（SQP）的安全区间（SI）定义的可行的搜索范围，优化的路径的每个节点的时间戳。不同驾驶场景下的仿真和实车试验证明了该方法的有效性。
2019-04-04 cs.RO
TopAY: Efficient Trajectory Planning for Differential Drive Mobile Manipulators via Topological Paths Search and Arc Length-Yaw Parameterization
State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310027, China（浙江大学工业控制技术状态重点实验室）；Huzhou Institute of Zhejiang University, Huzhou 313000, China（浙江大学湖州研究院）
针对差动驱动移动机械臂轨迹规划的高维与非完整约束挑战，提出TopAY框架，通过拓扑路径搜索、并行采样及弧长-偏航参数化多项式表示提升效率与成功率，源代码已开源。
2025-11-17 cs.RO
