An Efficient Generation Method based on Dynamic Curvature of the Reference Curve for Robust Trajectory Planning
Meituan Group（美团集团）
轨迹规划是各种自动驾驶平台的基本任务，例如社交机器人和自动驾驶汽车。许多轨迹规划算法使用基于参考曲线的时间Frenet框架来减少规划维度。然而，在经典的轨迹规划方法中有一个共同的隐含假设，即生成的轨迹应该连续地跟随参考曲线。这个假设在实际应用中并不总是正确的，它可能会在规划中引起一些不希望的问题。一个问题是规划轨迹到参考曲线上的投影可能是不连续的。另一个问题是规划路径在连续跟随简单参考曲线时可能会自相交。当这些问题发生时，生成的轨迹是不自然的和次优的。在本文中，我们首先证明了这些问题，然后介绍了一种有效的轨迹生成方法，它使用了一种新的转换从笛卡尔框架到Frenet框架。在模拟街道场景上的实验结果证明了该方法的有效性。
2020-12-29 cs.AI cs.RO
Deep Bilinear Koopman Model for Real-Time Vehicle Control in Frenet Frame
Department of Mechanical and Aerospace Engineering, University of California Davis（加州大学戴维斯分校机械与航空航天工程系）
本文提出深度双线性库普曼模型，在Frenet坐标系中同时学习库普曼算子与不变子空间，并结合累积误差调节器实现车辆实时MPC控制，经硬件在环实验验证显著降低跟踪误差。
2025-07-16 cs.LG cs.RO cs.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
A Reinforcement Learning-Boosted Motion Planning Framework: Comprehensive Generalization Performance in Autonomous Driving
Technical University of Munich（慕尼黑工业大学）；Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）；Professorship of Autonomous Vehicle Systems（自主车辆系统教授席位）
本研究提出一种强化学习增强的运动规划框架，在Frenet坐标系中结合RL智能体与传统解析算法，兼顾可预测性与动态适应性，有效提升了自动驾驶在复杂场景下的安全性与目标成功率。
2024-02-02 cs.RO
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
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
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
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
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
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
Safe planning and control under uncertainty for self-driving
Manipal Institute of Technology（马尼帕尔理工学院）；Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
不确定条件下的运动规划对于安全自动驾驶至关重要。在本文中，我们提出了一个统一的避障框架，处理1）自我车辆运动的不确定性;和2）来自环境的动态障碍物的预测不确定性。在规划层中使用包括短期和长期预测的两阶段交通参与者轨迹预测器来为自我车辆生成安全但不过于保守的轨迹。预测模块与现有的规划方法配合良好。我们的工作展示了它的有效性在一个弗伦内框架规划。使用管MPC的鲁棒控制器保证了在存在状态噪声和动态模型不确定性的情况下轨迹的安全执行。高斯过程回归模型用于在线识别的不确定性的界限。我们证明了我们的框架在CARLA模拟器的有效性，安全性和实时性能。
2020-10-21 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
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
Trajectory Tracking Using Frenet Coordinates with Deep Deterministic Policy Gradient
Peking University（北京大学）；University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Sherbrooke（舍布鲁克大学）
本文提出结合Frenet坐标系与DDPG算法的轨迹跟踪控制方法，通过坐标转换更准确描述车辆相对道路中心线的偏差，实验证明其在复杂环境中能实现高精度稳定路径跟踪，展现了在自动驾驶中的应用潜力。
2024-11-21 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
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
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
Information-Based Trajectory Planning for Autonomous Absolute Tracking in Cislunar Space
本文提出一种基于互信息的地月空间低推力移动观测器轨迹规划方法，通过序贯凸规划平衡信息增益与控制代价，以提升自主绝对跟踪性能。
2024-08-30 cs.IT cs.RO cs.SY
Multi-UAV trajectory planning for 3D visual inspection of complex structures
University of Rijeka（里耶卡大学）；University of Southern Denmark（南丹麦大学）
自主无人机在基础设施检查任务中的应用在减少操作时间、安全性和成本效益方面提供了好处。提出了一种基于热方程驱动区域覆盖（HEDAC）算法的三维多无人机自主体积覆盖和基础设施视觉检测轨迹规划方法。该方法使用势场生成轨迹，并实施距离场以防止碰撞并确定UAV的相机方向。在风力涡轮机和桥梁等复结构的目视检查过程中，它成功地实现了覆盖范围，在相同条件下可以检查更多的表面积，优于最先进的方法。所提出的轨迹规划方法提供了各种设置参数的灵活性，并适用于现实世界的检测任务。最后，所提出的方法可以潜在地应用于不同的自主无人机任务，甚至可以用作无人机运动控制方法，如果其计算效率的提高。
2022-12-07 cs.MA cs.RO cs.SY
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
SVM Enhanced Frenet Frame Planner For Safe Navigation Amidst Moving Agents
本文提出了一种支持向量机增强轨迹规划的动态场景，通常是那些在道路上遇到的设置。基于Frenet框架的轨迹生成在研究和工业中的自动驾驶背景下很受欢迎。我们采用了基于安全的最大保证金标准，使用SVM层，生成控制点，最大限度地从场景中的所有动态障碍物分离。然后，运动学一致的轨迹生成器计算通过这些航路点的路径。我们通过模拟以及在自动驾驶汽车上的真实世界实验展示了SVM增强规划器比常规的基于Frenet框架的轨迹生成提供了更大的动态障碍物偏移。因此，作者认为，这样的公式本质上适合于行人之间的导航。我们假设意图或轨迹预测模块的可用性，该模块预测场景中所有动态参与者的未来轨迹。
2020-09-11 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
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
Planning in the Backbone: DiffAdapterVLA for Native Continuous Trajectory Generation with Driving VLMs
Wuhan University（武汉大学）；Dongfeng Research & Development Institute（东风汽车研发总院）
DiffAdapterVLA通过将轨迹令牌注入VLM骨干后期层，实现与驾驶条件共同演化的连续轨迹规划，仅用轻量模块即达高效闭环规划。
2026-09-23 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
Real-Time Trajectory Planning for Autonomous Driving with Gaussian Process and Incremental Refinement
Hong Kong University of Science and Technology（香港科技大学）
动态环境下的实时的【形】运动动力学轨迹规划是自动驾驶的关键，但具有挑战性。在这封信中，我们提出了一个有效的轨迹规划系统，自动驾驶在复杂的动态场景中，通过迭代和增量路径速度优化。利用规划问题的解耦结构，基于高斯过程的路径规划器首先在Frenét坐标系下，考虑静态避障和曲率约束，生成一条弧长连续的参数化路径。我们从理论上证明了它是著名的加加速度最优解的一个很好的推广。提出了一种有效的s-t图搜索方法来寻找沿生成路径的速度分布，以应对动态环境。最后，路径和速度被增量地和迭代地优化，以确保运动动力学的可行性。各种模拟场景的静态障碍物和动态代理验证了我们所提出的方法的有效性和鲁棒性。实验结果表明，我们的方法可以运行在20 Hz。源代码作为开源软件包发布。
2022-05-24 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
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
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
