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
CauTraj: A Causal-Knowledge-Guided Framework for Lane-Changing Trajectory Planning of Autonomous Vehicles
Chongqing Jiaotong University（重庆交通大学）；Tongji University（同济大学）
CauTraj通过整合因果知识提升自动驾驶车辆车道变换轨迹规划的精度与稳定性。
2025-12-21 cs.AI cs.RO
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
Shortcut Trajectory Planning for Efficient Offline Reinforcement Learning
The University of Tokyo（东京大学）
研究针对离线强化学习中轨迹规划器的问题，提出捷径轨迹规划（STP）框架，将捷径模型作为轨迹生成器，单阶段训练条件捷径轨迹模型，支持可调推理，用增强可行性感知校正的评论家选候选计划，在多任务基准测试中性能强且简化训练管道。
2026-07-13 cs.AI cs.LG 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
Model predictive approach to integrated path planning and tracking for autonomous vehicles
National Institute of Informatics（国立信息学研究所）；Hunan University（湖南大学）
在自主应用的路径规划问题中，现有的研究都是将自主车辆的路径规划和轨迹跟踪控制分开考虑，很少将轨迹规划和轨迹控制结合起来。为了填补这一研究空白，本研究提出了一种集成的轨迹规划和轨迹控制方法。本文还研究了考虑静态和动态障碍物的自主避碰问题。仿真结果表明了所提出的控制方法的有效性。
2019-05-09 cs.RO math.DS
An enhanced motion planning approach by integrating driving heterogeneity and long-term trajectory prediction for automated driving systems
School of Transportation and Logistics, Southwest Jiaotong University（西南交通大学交通运输与物流学院）；University of Central Florida（中佛罗里达大学）；Lyles School of Civil Engineering, Purdue University（普渡大学莱尔土木工程学院）
针对复杂环境中自动驾驶系统导航困难的问题，提出一种融合周围人类驾驶车辆驾驶行为与长期轨迹预测的分层模型运动规划方法，以提升高速公路汇入场景下的驾驶安全性。
2023-08-02 cs.AI 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
Prioritized Planning Algorithms for Trajectory Coordination of Multiple Mobile Robots
自主多机器人系统的一个重要性能是防止机器人之间的碰撞。解决这个问题的一种方法是规划无冲突的轨迹，并让每个机器人遵循其预先规划的轨迹。多机器人轨迹规划的一种实用方法是优先规划法，该方法在实践中已被证明是有效的，但在一般情况下是不完整的。通过优先规划可证明可解决的实例的正式分析仍然缺失。此外，优先规划是集中式算法，这在许多情况下可能是不期望的。在本文中，我们a）提出了一个修订版本的优先规划和特征的类的实例，可证明可解决的算法和b）提出了一个异步分散的优先规划的变体，它保持了集中式版本的理想属性，并在同一时间利用分布式计算能力的个人机器人，这在大多数情况下，允许找到关节轨迹更快。在真实室内地图上进行的实验评估表明，a）优先规划的修订版本可靠地解决了经典优先规划和流行的反应式技术ORCA失败的广泛类别的实例，b）异步分散算法提供的解决方案比以前提出的同步分散算法更快。
2014-09-08 cs.AI cs.MA 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
Convex Risk Bounded Continuous-Time Trajectory Planning and Tube Design in Uncertain Nonconvex Environments
MIT, Computer Science；Artificial Intelligence Laboratory. These authors contributed equally to the paper.
针对含概率障碍物的不确定非凸动静环境，本文利用风险等值线将规划转化为确定性优化，并通过平方和凸优化实现无时间离散化的连续时间风险有界轨迹及最大安全管设计。
2023-06-04 cs.AI cs.RO math.OC
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
Online Trajectory Planning Through Combined Trajectory Optimization and Function Approximation: Application to the Exoskeleton Atalante
Wandercraft（Wandercraft公司）；Sorbonne Université（索邦大学）；CNRS（法国国家科学研究中心）；Université Paris-Dauphine（巴黎多芬大学）
自主机器人需要在线轨迹规划能力才能在现实世界中运行。高效的离线轨迹规划方法已经存在，但计算量大，无法在线使用。在本文中，我们提出了一种新的算法，称为引导轨迹学习，学习通过轨迹优化计算的解决方案的函数近似，同时确保准确和可靠的预测。然后在线使用该函数近似来生成轨迹。该算法被设计为易于实现，并且实用，因为它不需要大量的计算能力。它很容易适用于任何机器人系统，并且由于鲁棒控制策略通常已经可用，因此可以毫不费力地在实际硬件上设置。我们证明了我们的算法的计算性能与自平衡外骨骼Atalante扁平足行走。
2020-03-04 cs.LG cs.RO
Reinforced Imitative Trajectory Planning for Urban Automated Driving
本文提出一种结合强化学习与模仿学习的多步轨迹规划方法，引入基于Transformer的贝叶斯奖励函数和混合驱动框架，在nuPlan数据集上显著优于基线并媲美最先进方法。
2025-07-16 cs.AI 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
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
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
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
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
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
Motion Planning Diffusion: Learning and Planning of Robot Motions with Diffusion Models
TU Darmstadt（达姆施塔特工业大学）；German Research Center for AI (DFKI)（德国人工智能研究中心）；Centre for Cognitive Science（认知科学中心）
本文提出将扩散模型作为先验，利用其逆去噪过程直接从以任务目标为条件的后验轨迹分布中采样，以加速机器人运动规划，实验证明该方法能有效编码高维轨迹分布并具备良好的泛化能力。
2024-03-26 cs.AI cs.LG 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
Imitative Planning using Conditional Normalizing Flow
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Aurora Innovation（奥罗拉创新公司）
在自动驾驶车辆的动态城市场景中规划轨迹的一种流行方法是依赖于明确指定和手工制作的成本函数，再加上轨迹空间中的随机采样，以找到最小成本轨迹。这种方法需要大量的样本来找到低成本的轨迹，并且在给定规划时间预算的情况下，可能最终得到高度次优的轨迹。我们探讨了规范化流的应用，以提高自动驾驶车辆（AV）的轨迹规划的性能。我们的关键见解是在专家轨迹的低维潜在空间中学习采样策略，从中选择最佳样本进行执行。通过将轨迹规划器的成本流形建模为能量函数，我们从AV控制空间上的玻尔兹曼分布之前学习场景条件映射。最后，我们证明了我们的方法在真实世界的数据集IL和手工构造的轨迹采样技术的有效性。
2022-10-13 cs.AI cs.LG cs.RO
Multi-Objective Trajectory Planning with Dual-Encoder
Zhejiang Lab（之江实验室）；Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院）
针对机械臂时间-加加速度最优轨迹规划延迟大的问题，提出一种两阶段方法，结合双编码器transformer模型生成初始轨迹并用序列二次规划细化，大幅缩短规划时间并降低目标函数值。
2024-03-26 cs.LG cs.RO
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
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
MTR-VP: Towards End-to-End Trajectory Planning through Context-Driven Image Encoding and Multiple Trajectory Prediction
Machine Intelligence, Interaction, and Imagination (Mi 3 ) Laboratory（机器智能、交互与想象实验室）；University of California, Merced（加州大学默塞德分校）；Laboratory for Intelligent & Safe Automobiles (LISA)（智能与安全汽车实验室）；University of California, San Diego（加州大学圣地亚哥分校）
MTR-VP通过基于上下文的图像编码和多轨迹预测实现端到端轨迹规划，利用交叉注意力提升规划性能。
2025-11-27 cs.AI cs.CV cs.RO
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
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
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
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
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
Ship trajectory planning method for reproducing human operation at ports
Osaka University（大阪大学）
船舶靠离泊操纵是船舶操纵中最具挑战性和压力最大的阶段之一。为了减轻船舶操作人员的负担和防止事故，已经对自动化靠离泊的轨迹规划进行了一些研究。然而，很少有研究旨在协助船长停泊/离泊。要呈现给机长的轨迹应该是再现人类机长的控制特性的机动。以前提出的方法不能明确地反映运动和导航，人类船长特别注意减少在轨迹规划的心理负担。在这里，温和的约束的轨迹规划方法。约束施加了某些状态（位置、船首航向角、船速和偏航角速度），这些状态近似地在任何给定时间被采用。该新约束的引入允许施加仔细的轨迹规划（例如，在原地以零速度转弯或为了安全而在转向之前暂停），就像在停泊/离泊期间由人执行的那样。本文提出的算法被用来优化的大型汽车轮渡的停泊/离泊轨迹。结果表明，该方法可以生成定量的等效轨迹记录在实际的停泊/离泊操纵由人类船长。
2023-03-08 cs.RO math.OC
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
Motion Planning by Learning the Solution Manifold in Trajectory Optimization
Kyushu Institute of Technology（九州工业大学）；RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心）
在轨迹优化中使用的目标函数通常是非凸的，并且可以具有无穷多个局部最优值。在这种情况下，有不同的解决方案来执行给定的任务。虽然有一些方法可以找到运动规划的多个解决方案，但它们仅限于生成有限的解决方案集。为了解决这个问题，我们提出了一种优化方法，学习的轨迹优化的解决方案的无限集。在我们的框架中，通过学习解决方案的潜在表示来获得不同的解决方案。我们的方法可以被解释为训练用于运动规划的无碰撞轨迹的深度生成模型。实验结果表明，训练后的模型代表了运动规划问题的无穷同伦解集。
2021-07-13 cs.LG 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
Self-Supervised Bio-Inspired Robotic Trajectory Planning with Obstacle Avoidance
Faculty of Mathematics, Physics and Informatics, Comenius University Bratislava（布拉迪斯拉发夸美纽斯大学数学、物理与信息学院）
研究机器人轨迹规划问题，提出基于自监督学习框架，利用正反模型作监督机制，在含障碍物环境下规划轨迹，实验证明方法可行，针对规划器问题提出并评估了额外训练机制和缓解策略。
2026-07-24 cs.AI cs.LG cs.RO
Safe and Personalizable Logical Guidance for Trajectory Planning of Autonomous Driving
University of Science and Technology of China（中国科学技术大学）
本文提出逻辑引导层（LGL），通过场景推理与RSS模型，在高速公路自动驾驶中平衡安全、效率与用户偏好，实现形式化安全保证。
2024-05-22 cs.LO cs.RO
An Effective Trajectory Planning and an Optimized Path Planning for a 6-Degree-of-Freedom Robot Manipulator
University of Tsukuba, Tsukuba, Japan（茨川大学）
本文提出一种基于计算机代数的六自由度机械臂路径规划优化方法，通过三步流程（计算可行区域、确定轨迹与关节序列、利用Dijkstra算法求解最优逆运动学组合）实现高效规划，并经实验验证其有效性。
2025-09-06 cs.RO cs.SC math.AC
