Intelligent logistics management robot path planning algorithm integrating transformer and GCN network
Washington University in St. Louis（圣路易斯华盛顿大学）；Duke University（杜克大学）；Stevens Institute of Technology（史蒂文斯理工学院）；University of Michigan（密歇根大学）；Northeastern University（东北大学）
本文提出一种融合Transformer、GNN和GAN的智能物流机器人路径规划算法，在真实数据集上实现行驶距离减少15%、时间效率提升20%、能耗降低10%。
2025-03-12 cs.AI cs.RO
Reinforcement Learning in Robotic Motion Planning by Combined Experience-based Planning and Self-Imitation Learning
University of Groningen（格罗宁根大学）
针对机器人运动规划中高质量数据收集困难的问题，提出嵌入经验规划的SILP+算法，通过策略成功状态生成演示提升性能，在仿真与实体机器人实验中均实现更优训练效率和成功率。
2023-06-11 cs.AI cs.RO
IMPASTO: Integrating Model-Based Planning with Learned Dynamics Models for Robotic Oil Painting Reproduction
Stanford University（斯坦福大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of California, Berkeley（加州大学伯克利分校）；Columbia University（哥伦比亚大学）
IMPASTO通过整合学习的动力学模型与基于模型的规划，实现机器人基于目标油画图像的复现，无需人类示范或精确模拟，提升复现精度。
2026-03-31 cs.AI cs.RO
Keypoint-based Diffusion for Robotic Motion Planning on the NICOL Robot
Dept. of Informatics, University of Hamburg（信息学院，汉堡大学）
提出一种基于扩散的动作模型用于NICOL机器人运动规划，通过学习数值规划器生成的数据集，在不使用点云编码的情况下，运行时间比数值模型快一个数量级，且无碰撞成功率达90%。
2025-09-16 cs.AI 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
Logically Constrained Robotics Transformers for Enhanced Perception-Action Planning
Carnegie Mellon University（卡内基梅隆大学）；Scaled Foundations
本文提出将信号时序逻辑规范融入自回归 Transformer 轨迹规划的新方法，并构建预训练数据集，使规范满足率较基线提升 74.3%。
2024-08-09 cs.AI cs.RO
An advantage actor-critic algorithm for robotic motion planning in dense and dynamic scenarios
University of Eastern Finland（东芬兰大学）；Shenzhen Technology University（深圳技术大学）
智能机器人为工业和服务场景的效率提升提供了新的见解，以取代人类劳动。然而，这些场景包括密集和动态的障碍物，使得机器人的运动规划具有挑战性。传统的算法如A* 算法可以在静态环境中规划无碰撞轨迹，但在密集和动态场景中，它们的性能会下降，计算成本会急剧增加。最优值强化学习算法（RL）可以解决这些问题，但网络收敛速度慢且不稳定。策略梯度强化学习网络在Atari游戏中收敛速度快，其中动作是离散和有限的，但很少有工作已经做，以解决问题，连续的行动和大的行动空间是必需的。本文对现有的优势行动者-评价者算法进行了改进，使之适用于复杂的运动规划，从而产生机器人的最优速度和方向。实验结果表明，我们的算法比最优值RL收敛更快，更稳定。该方法在机器人完成运动规划的过程中，以较少的处理时间达到较高的规划成功率。
2021-02-05 cs.AI cs.RO
A Novel Approach for Intelligent Robot Path Planning
Andhra University（安得拉大学）；National Institute of Science and Technology（国立科学技术学院）
机器人路径规划是机器人技术研究领域中具有挑战性的领域之一。本文提出了一种新的智能系统中的起始位置和结束位置之间的路径搜索算法。智能系统被认为是具有与传感器-检测器系统连接的天线的设备/机器人。该算法是基于神经网络训练的概念。所考虑的神经网络是自适应的知识库。然而，该算法的实现是稍微昂贵的，由于它需要的硬件。通过详细的分析，证明了该算法生成的路径是有效的。
2013-06-19 cs.RO
HPRM: High-Performance Robotic Middleware for Intelligent Autonomous Systems
本文提出基于 Lingua Franca 的高性能机器人中间件 HPRM，通过零拷贝、自适应序列化和实时套接字等优化，显著降低多节点大消息通信延迟并保证确定性。
2024-12-02 cs.AI cs.DC cs.RO
ReAct! An Interactive Tool for Hybrid Planning in Robotics
Sabancı University（Sabanci大学）
ReAct! 提供了一种交互式工具，使机器人研究人员能够在无需了解底层形式化细节的情况下，通过高级推理解决复杂规划问题，适用于服务机器人和认知工厂等动态领域。
2013-07-29 cs.AI cs.LO cs.RO
The Reconfigurable Aerial Robotic Chain: Shape and Motion Planning
Birla Institute of Technology and Science (BITS) Pilani（皮拉尼伯拉理工学院（BITS皮拉尼））；University of Nevada, Reno（内华达大学雷诺分校）
介绍了航空机器人链的设计思想、建模方法和运动规划求解方法。该设计代表了一个可配置的机器人系统，由多个连接的微型飞行器组成，同时具有穿越狭窄路段、变形其形状、运送重要有效载荷的能力，提供分布式传感和处理的潜力，并允许系统扩展。我们贡献了一种方法来解决这样一个连接的机器人系统的系统的运动规划问题，充分利用其可重构的性质，以快速的方式找到无碰撞路径，尽管增加了自由度。所提出的方法利用了一个库的空中机器人链配置，优化的横截面尺寸或传感器的覆盖范围，旁边的概率策略采样随机形状的配置，可能需要促进持续的无碰撞导航。仿真中的评估研究涉及穿越受限和充满障碍的环境，具有狭窄的走廊和横截面。
2019-11-24 cs.RO
APP-RUSS: Automated Path Planning for Robotic Ultrasound System
Athens Academy（雅典学院）；Massachusetts General Hospital（马萨诸塞州总医院）；Harvard Medical School（哈佛医学院）
本文提出APP-RUSS系统，通过RealSense D405相机与三次贝塞尔曲线规划，解决UR5e机械臂长距离超声探头引导问题，为路径规划两阶段整合奠定基础。
2023-10-22 cs.RO
Path Planning with Automatic Seam Extraction over Point Cloud Models for Robotic Arc Welding
The Hong Kong Polytechnic University（香港理工大学）
提出了一种基于点云的弧焊机器人系统。该系统通过手势控制，扫描工件的局部点云视图，并通过线性迭代最近点算法将其重建为完整的三维模型。然后，双边滤波器扩展到去噪的工件模型和保留重要的几何信息。为了从模型中提取焊缝，提出了一种新的基于灰度的边缘点检测算法，并在多个不同接头类型和姿态的工件上进行了测试。实验结果证明了该机器人系统的鲁棒性和效率的自动路径规划的焊接应用。
2020-11-24 cs.RO
Bayesian inference for data-efficient, explainable, and safe robotic motion planning: A review
University of Eastern Finland（东芬兰大学）；School of Computing（计算机学院）；Shenzhen Technology University（深圳技术大学）；College of Big Data and Internet（大数据与互联网学院）；Chengdu University of Information Technology（成都信息工程大学）；College of Blockchain industry（区块链产业学院）；College of Health Science and Environmental Engineering（健康科学与环境工程学院）
本文综述贝叶斯推理在机器人运动规划中的理论、贝叶斯估计、贝叶斯强化学习、逆强化学习及安全可解释规划，并以知识图谱总结进展与未来方向。
2023-07-16 cs.AI
An Intelligent Social Learning-based Optimization Strategy for Black-box Robotic Control with Reinforcement Learning
School of Marine Science and Technology, Northwestern Polytechnical University（西北工业大学海洋科学与技术学院）；College of Electrical Engineering and Control Science, Nanjing Tech University（南京工业大学电气工程与控制科学学院）
针对黑箱机器人控制难题，提出智能社会学习（ISL）算法，融合学习、模仿与自学三种策略，结合强化学习思想，在MuJoCo基准和UR3机器人抓取任务中验证了其高效性与优越性。
2023-11-11 cs.AI cs.NE cs.RO
Automated sequence and motion planning for robotic spatial extrusion of 3D trusses
Massachusetts Institute of Technology（麻省理工学院）
虽然机器人空间挤压已经证明了一种新的和有效的手段来制造三维桁架结构的建筑规模，一个主要的挑战仍然是在自动规划挤出序列和机器人运动桁架与无约束的拓扑结构。本文首次尝试在该领域严格制定挤压序列和运动规划（SAMP）的问题，使用CSP编码。此外，本研究提出一个新的层次规划框架，以解决挤压SAMP问题，通常有一个长期的规划视野和三维配置的复杂性。通过解耦序列和运动规划，规划框架能够有效地解决挤压序列，末端执行器位姿，关节配置，过渡轨迹与非标准拓扑结构的空间桁架。本文还提供了第一个详细的计算数据，以揭示解决SAMP问题的运行时瓶颈，这为未来的算法开发提供了洞察力和比较基线。连同算法的结果，本文还提出了一个开源和模块化的软件实现称为Choreo，是机器不可知的。为了证明该算法框架的强大功能，本文介绍了三个案例研究，包括真实制造和模拟结果。
2019-03-11 cs.RO
Design and Implementation of A Novel Precision Irrigation Robot Based on An Intelligent Path Planning Algorithm
Hainan University（海南大学）；University of Chinese Academy of Sciences（中国科学院大学）；Tianjin University（天津大学）
农业灌溉系统与农业生产密切相关。现有的农业灌溉系统存在着机动性差、精度不高、价格昂贵等问题。为了解决这些问题，智能灌溉机器人的设计和实现在这项工作中。机器人通过贝叶斯理论改进的灌溉路径规划算法实现精确灌溉。在该算法中，我们利用尽可能多的信息，以实现在复杂的农业环境中的全覆盖灌溉。此外，我们提出了最大风险，以避免在某些领域缺乏检查的问题。最后，通过仿真实验和现场实验对机器人和算法进行了验证。实验结果表明，该机器人能够满足各种农业灌溉任务的要求。
2020-03-02 cs.RO
Approaches and Challenges in Robotic Perception for Table-top Rearrangement and Planning
Robotics Research Center, IIIT Hyderabad（国际信息技术研究所海得拉巴分校机器人研究中心）；TCS Research（塔塔咨询服务公司研究部）
桌面重排和规划是一个具有挑战性的问题，在很大程度上依赖于一个优秀的感知堆栈。感知堆栈涉及观察和记录桌子上的3D场景，检测桌子上的物体以及如何操作它们。因此，它极大地影响了系统的任务规划和运动规划堆栈。我们提出了一个全面的概述，并讨论了与感知模块相关的不同挑战。这项工作是我们广泛参与ICRA 2022开放云机器人表组织挑战赛的结果，我们在最终排名中名列第三。
2022-06-03 cs.RO
Robotic Sculpting with Collision-free Motion Planning in Voxel Space
Georgia Institute of Technology（佐治亚理工学院）
在本文中，我们探讨了机器人雕刻的任务。提出了一种基于搜索的多轴机械手材料去除造型规划算法。我们生成无碰撞轨迹的操纵器使用最佳优先搜索体素空间。我们还展示了显着的加速我们的算法，通过使用八叉树分解体素空间。我们展示了我们的算法在模拟多轴机械手雕刻米开朗基罗的大卫雕像，评估我们的算法的某些指标，并讨论该项目的未来目标。
2019-11-17 cs.RO
Design and Development of a Research Oriented Low Cost Robotics Platform with a Novel Dynamic Global Path Planning Approach
CSIRO（澳大利亚联邦科学与工业研究组织）；University of Moratuwa（莫拉图瓦大学）
基于计算机视觉传感器的自主导航系统通常需要非常昂贵的复杂机器人平台。这对机器人应用中至关重要的复杂定位、映射和导航算法的实现和测试构成了障碍。为了解决这个问题，在这项工作中，机器人操作系统（ROS）支持的移动机器人平台进行了比较，并提出了基于低成本教育机器人平台AlphaBot2的自主导航系统的端到端实现，同时集成了英特尔实感D435摄像头。此外，提出了一种新的方法来实现动态路径规划器的全局路径规划器在ROS框架。我们评估这种方法的性能，并强调通过动态的全球路径规划可以实现的改进。这种低成本的改进AlphaBot2机器人平台以及提出的动态全局路径规划方法将有助于研究人员和学生获得基于计算机视觉的导航系统的实践经验。
2022-03-19 cs.RO
HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing
University of Colorado Boulder（科罗拉多大学博尔德分校）
提出HARPS框架，结合在线POMDP、多模态语义交互与贝叶斯融合，使机器人利用人类标注的软数据改善环境信念，仿真和人类实验显示显著提升目标捕获效率。
2023-03-28 cs.AI cs.HC cs.RO
Achieving Unit-Consistent Pseudo-Inverse-based Path-Planning for Redundant Incommensurate Robotic Manipulators
University of Missouri-Columbia（密苏里大学哥伦比亚分校）
本文针对冗余不可公度机器人操作臂路径规划中的单位不一致问题，比较多种基于伪逆的规划方案，提出混合逆（MX）方法以实现单位一致性并验证其有效性。
2023-08-05 cs.RO
Leveraging Jumpy Models for Planning and Fast Learning in Robotic Domains
DeepMind（深度思维）
在本文中，我们研究了学习多步动态预测模型（跳跃模型）的问题，从未标记的经验和他们的实用程序的快速推理（高级别）计划在下游任务。特别是，我们建议离线学习一个跳跃模型和一个技能嵌入空间，从以前收集的经验中，不需要标签或奖励注释。然后，我们研究了利用这些学习组件与基于模型的规划或无模型强化学习（RL）相结合的几种选择，以加快下游任务的学习。我们在RGB堆叠环境中进行了一组实验，表明使用学习的技能和相关模型进行规划可以实现对新任务的zero-shot泛化，并可以通过强化学习进一步加快策略的训练。这些实验表明，跳跃模型，结合时间抽象可以促进规划在长期任务中，标准的动态模型失败。
2023-02-24 cs.AI cs.LG cs.RO
On the Use of the Observability Gramian for Partially Observed Robotic Path Planning Problems
Department of Electrical and Computer Engineering（电气与计算机工程系）
本文探讨了利用可观测性格拉姆矩阵作为估计性能代理进行优化的局限性，指出其可能产生误导性的路径规划结果。
2018-01-30 cs.RO cs.SY eess.SY
IVG-UAV: An Intelligent Voice-Guided UAV System for Autonomous Ripe Fruit Harvesting with Vision-Based Classification and Adaptive Path Planning
SUNY Binghamton University（纽约州立大学宾汉姆顿分校）
针对热带大型农场水果采摘依赖人工、成本高的问题，提出IVG-UAV系统，集成语音识别、视觉成熟度分类与自适应路径规划，并在Gazebo中仿真验证，实现自主采摘。
2026-10-08 cs.RO
Robotic Motion Planning using Learned Critical Sources and Local Sampling
Indian Institute of Technology Kharagpur（印度理工学院哈拉格普尔分校）
基于采样的方法被广泛用于机器人运动规划。传统上，这些样本是从概率（或确定性）分布中抽取的，以均匀地覆盖状态空间。尽管在概率上是完全的，但它们在受限环境中无法在合理的时间内找到可行的路径，在受限环境中必须通过狭窄的通道（瓶颈区域）。现有技术训练学习模型（学习器）以在这些瓶颈区域上选择性地预测样本。然而，这些算法完全依赖于这个学习器生成的样本来导航通过瓶颈区域。随着规划问题的复杂性增加，使该学习器对工作空间结构的细微变化具有鲁棒性所需的数据量和时间在计算上变得难以处理。在这项工作中，我们提出了（1）一个有效的和强大的方法来使用学习器来定位瓶颈区域和（2）两个算法，使用本地采样方法来利用这些瓶颈区域的位置进行有效的运动规划，同时保持概率的完整性。我们测试我们的算法2维规划问题和7维机器人手臂规划，并报告显着的收益，以及学习的基线。
2020-06-07 cs.RO
Robotic Path Planning Implementation using Search Algorithms
本文介绍利用Dijkstra和A*算法，在Gazebo环境中使TurtleBot3机器人在崎岖多障碍地形上实现最优路径规划。
2024-05-26 cs.RO
Learning-based Near-optimal Motion Planning for Intelligent Vehicles with Uncertain Dynamics
National University of Defense Technology（国防科技大学）；Hunan University（湖南大学）
本文提出GP-SKRL算法，结合稀疏高斯过程回归与稀疏核策略迭代，在不确定动力学下实现智能车辆在线自适应近最优运动规划，并通过仿真与实车实验验证其优越性。
2023-08-09 cs.RO
VIP: Variation-based Iterative-learning Planning for Robotic Navigation
School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）；Tianmushan Laboratory, Beihang University（北京航空航天大学天目山实验室）
该研究针对机器人导航规划的计算成本问题，提出VIP框架，通过变分迭代学习优化规划命令，在单/多机器人场景中高效生成并改进运动规划，兼具有效性与可扩展性。
2026-08-26 cs.RO
From semantics to execution: Integrating action planning with reinforcement learning for robotic causal problem-solving
强化学习是在噪声条件下鲁棒地执行低级别机器人控制的适当且成功的方法。符号行动计划有助于解决因果依赖关系，并将因果关系复杂的问题分解为一系列更简单的高级行动。这两种方法的集成的一个问题是，行动规划是基于离散的高级动作和状态空间，而强化学习通常是由连续的奖励函数驱动。然而，强化学习的最新进展，特别是通用价值函数逼近器和事后经验重放，都集中在基于稀疏奖励的目标无关方法上。在本文中，我们建立在这些新方法的基础上，通过利用奖励稀疏性作为高级和低级状态和控制空间之间的桥梁，促进行动规划与强化学习的集成。因此，我们证明了集成的神经符号的方法是能够解决对象操作问题，涉及工具使用和非平凡的因果依赖关系在嘈杂的条件下，利用数据和知识。
2019-12-08 cs.AI cs.LG cs.RO
Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing
Technische Universität München（慕尼黑工业大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Wilmer Eye Institute（威尔默眼科研究所）；Johns Hopkins Hospital（约翰斯·霍普金斯医院）；Technical University of Munich（慕尼黑工业大学）；Whiting School of Engineering（怀廷工程学院）
针对机器人系统与iOCT融合在视网膜下注射手术中面临的处理速率、动态配准等挑战，提出含器械位姿估计、在线配准、轨迹规划及智能虚拟B扫描的自主导航框架，经离体猪眼实验验证了精度与可重复性。
2023-01-17 cs.CV 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
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
Risk-Averse RRT* Planning with Nonlinear Steering and Tracking Controllers for Nonlinear Robotic Systems Under Uncertainty
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
我们提出了一个两阶段的风险规避结构控制随机非线性机器人系统。我们提出了风险规避非线性转向RRT*（RANS-RRT*）作为RRT* 的变体，通过求解非线性规划（NLP）来结合非线性动力学，并通过近似状态分布和执行分布鲁棒（DR）碰撞检查来考虑风险，以促进安全规划。生成的计划被用作低级别跟踪控制器的参考。我们演示三个控制器：有限时域线性二次型调节器（LQR）具有围绕参考轨迹的线性化动态，具有鲁棒性促进乘性噪声项的LQR，以及非线性模型预测控制律（NMPC）。我们证明了我们的算法的有效性，在一个混乱的环境中，在重尾拉普拉斯过程噪声下使用单稳态动力学。
2021-09-03 cs.RO
An Intelligent Robotic and Bio-Digestor Framework for Smart Waste Management
BITS Pilani Dubai Campus（比斯帕尼迪拜校区）
本文提出结合机器人分拣模块和优化生物消化器的智能垃圾管理框架，通过实时分拣和动态优化提升处理效率，适用于住宅和工业场景。
2026-04-16 cs.LG cs.RO
S2P2: Self-Supervised Goal-Directed Path Planning Using RGB-D Data for Robotic Wheelchairs
The Hong Kong University of Science and Technology（香港科技大学）；The Hong Kong Polytechnic University（香港理工大学）；the University of California San Diego（加州大学圣迭戈分校）
路径规划是轮椅机器人实现自主导航的基本能力。近年来，随着深度学习技术的飞速发展，基于模仿学习的路径规划方法取得了很好的效果。然而，这些方法的缺点是双重的：1）它们可能需要大量的时间和劳动来记录专家演示作为训练数据;以及2）现有方法只能接收高级命令，例如向左/向右转弯。这些命令可能不足以用于移动机器人的导航（例如，机器人轮椅），这通常需要准确的姿势的目标。我们提出了S2 P2，一个自我监督的目标导向的路径规划方法，有助于解决这个问题。具体来说，我们开发了一个管道来自动生成作为输入RGB-D图像和目标姿势的规划路径标签。然后，我们提出了一个最佳拟合回归平面损失训练我们的数据驱动的路径规划模型的基础上产生的标签。我们的S2 P2不需要预先构建的地图，但它可以通过我们的框架集成到现有的基于地图的导航系统中。实验结果表明，我们的S2 P2优于传统的路径规划算法，并增加了现有的基于地图的导航系统的鲁棒性。我们的项目页面可在https://sites.google.com/view/s2p2上找到。
2021-03-18 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
Can LLMs Prove Robotic Path Planning Optimality? A Benchmark for Research-Level Algorithm Verification
George Mason University（乔治梅森大学）；Florida Atlantic University（佛罗里达大西洋大学）
本文提出首个评估大语言模型在机器人路径规划算法近似比证明能力的基准测试，包含34个研究级证明任务，揭示了LLM在缺乏领域知识时的局限性，并通过上下文补充分析改进推理质量。
2026-07-20 cs.RO
Path Planning Algorithms for Robotic Aquaculture Monitoring
无人机在快速有效地监控大面积区域方面具有巨大潜力。水产养殖是一个需要连续的水质数据来成功种植和收获鱼类的行业。混合空中水下机器人系统（HAUCS）旨在收集水产养殖池塘的水质数据，以降低农民的劳动力成本。无人机覆盖水产养殖场每个鱼塘的路线可以简化为车辆路线问题。创建数据集以模拟农场上池塘的分布，并用于评估HAUCS路径规划算法（HPP）。它的性能相比，谷歌线性优化包（GROP）和图形注意力模型（AM）的路由问题。对于50到200个池塘，GROP是最有效的求解器，但代价是运行时间较长，而对于大于200个池塘的实例，HPP在解决方案质量和运行时间方面优于其他方法。
2022-04-20 cs.RO
Kinematics-Grounded Agentic AI for Robotic Additive Manufacturing Process Planning
University of Connecticut（康涅狄格大学）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）
提出A-RAM智能体框架，结合LLM与领域工具，实现机器人增材制造工艺规划的执行前评估，显著降低关节抖动并缩短规划时间。
2026-09-18 cs.AI cs.RO cs.SY
RUL-Aware RRT*: Degradation-Balanced Motion Planning for Robotic Manipulators
Laboratoire Génie Industriel, CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学中央理工高等电力学院工业工程实验室）；Chair of Risk and Resilience of Complex Systems, CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学中央理工高等电力学院复杂系统风险与韧性教席）；Key Laboratory of Urban Underground Engineering, Beijing Jiaotong University（北京交通大学城市地下工程教育部重点实验室）
针对机械臂长期运行中关节退化不均导致过早失效的问题，提出RUL-Aware RRT*方法，将剩余使用寿命信息融入规划并自适应调整关节使用，实验表明能抑制退化不平衡、延迟故障并提升长期可靠性。
2026-10-05 cs.RO
Open-Source, Cost-Aware Kinematically Feasible Planning for Mobile and Surface Robotics
Open Navigation LLC；Carnegie Mellon University（卡内基梅隆大学）；Locus Robotics；QUT Centre for Robotics and School of Electrical Engineering and Robotics（QUT机器人中心和电气工程与机器人学院）
本文提出开源规划框架 Smac Planner，集成 Cost-Aware A*、Hybrid-A* 和 State Lattice 规划器，在保持运动学可行性的同时提升复杂环境性能，并已成为 ROS 2 Nav2 的标准规划系统，广泛应用于全球数千台机器人。
2025-05-08 cs.RO
Joint Communication-Motion Planning in Wireless-Connected Robotic Networks: Overview and Design Guidelines
State Key Laboratory of High Performance Computing (HPCL)（高性能计算国家重点实验室）；School of Computer, National University of Defense Technology（国防科技大学计算机学院）
近年来，机器人技术蓬勃发展，为了支持多机器人系统的共识和协作，机器人之间的无线通信和网络以及基础设施已变得不可或缺。在本技术说明中，我们首先概述了在设计无线连接机器人网络（WCRN）时通信感知运动规划（CAMP）的研究贡献，其中机器人所包含的运动和通信能力所提供的自由度（DoF）尚未得到充分利用。因此，我们提出了联合通信运动规划（JCMP）的框架，以及将JCMP纳入WCRN的架构。所提出的架构是由机器人运动控制和认知无线电中普遍采用的面向对象的决策行动（OODA）模型的动机。然后，我们提供了一个概述的定向模块，量化的连通性评估。之后，我们突出了JCMP模块，并将其与传统的通信规划，其中JCMP的必要性进行了验证，通过理论分析和仿真结果的说明性的例子。最后，一系列的开放性问题进行了讨论，这图片之间的差距，国家的最先进的和一个实用的WCRN。
2015-11-07 cs.RO
Stop-N-Go: Search-based Conflict Resolution for Motion Planning of Multiple Robotic Manipulators
Sogang University（西江大学）
针对拥挤环境中多机械臂因共享空间导致目标位置被阻挡的运动规划问题，提出基于 A* 搜索的 Stop-N-Go 冲突解决方法，通过向轨迹插入暂停以最小化总完成时间，成功解决基线方法无法求解的挑战性实例。
2024-10-10 cs.RO
Safe and Uncertainty-Aware Robotic Motion Planning Techniques for Agile On-Orbit Assembly
Massachusetts Institute of Technology（麻省理工学院）；Institute for Systems and Robotics, Instituto Superior Técnico（高等技术学院系统与机器人研究所）
随着进入空间和机器人自主能力的发展，同时对部署大型复杂空间结构以提供新的在轨能力的兴趣也越来越大。新的太空观测站，大型轨道前哨站，甚至未来的在轨制造都将通过使用在轨增材制造等技术的空间结构机器人组装来实现，这些技术可以在构建甚至修复复杂硬件方面提供灵活性。然而，在操纵过程中，机器人装配机的动力学可能会在惯性不确定性下运行。因此，惯性估计的机器人和被操纵的组件系统必须考虑在结构装配。这项工作的贡献是解决机器人装配的运动规划和控制，同时考虑到组合的自由飞行机器人装配机和增材制造组件系统的惯性估计。具体来说，线性二次调节器快速探索随机树（LQR-RRT*）和动态可行路径平滑被用来获得无障碍轨迹的系统。此外，模型学习通过对连续系统的近似和伴随的执行安全、目标导向运动的奖励被明确地纳入规划阶段。剩余的不确定性，然后可以处理使用鲁棒管模型预测控制。通过获得控制轨迹，考虑避障和学习的惯性特性的自由飞行器和操纵组件系统，自由飞行器迅速考虑和计划的建设空间结构与增强的系统知识。该方法自然地推广到修理、加油和重新供应空间结构部件，同时在例如以下情况下提供最佳无碰撞轨迹，惯性不确定性
2021-02-20 cs.RO
Toward Autonomous Robotic Micro-Suturing using Optical Coherence Tomography Calibration and Path Planning
Duke University（杜克大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Duke University Medical Center（杜克大学医学中心）
机器人自动化有可能帮助人类外科医生在显微外科手术中执行自动化任务，为了做到这一点，机器人必须能够以亚毫米的精度引导针穿过软组织。提出了一种利用三维光学相干层析成像（OCT）系统进行图像反馈的机器人定位系统。机器人-OCT和机器人-针变换的校准、伤口检测、关键点识别和路径规划都是自动执行的。当使用迭代最近点的变体来抓取针时，校准方法处理姿势不确定性。路径规划器使用所识别的伤口形状来计算针进入点和退出点，以在闭合后产生均匀匹配的伤口形状。对组织模型和动物组织的实验表明，该系统可以使缝合针以0.27 mm的总体精度穿过伤口，实现计划的进入点和退出点。
2020-03-12 cs.RO
Realizing the Aerial Robotic Worker for Inspection Operations
University of Nevada, Reno（内华达大学里诺分校）
本报告概述了一组最近的贡献，在该领域的路径规划，开发，使实现自主空中机器人工作人员进行检查操作。具体的算法贡献解决了机器人检查和探索的几个基本挑战，特别是那些最佳覆盖规划给定的先验已知模型的结构被检查，全覆盖，优化和快速的检查路径规划，以及完全未知的环境和结构的有效探索。所有开发的路径规划器支持完整和非完整系统，并尊重板上的传感器模型和约束。概述所取得的成果，然后是一个集成架构，以便在已知和未知环境中实现完全自主和高效的基础设施检测。
2017-03-08 cs.RO
Intelligent Mobility System with Integrated Motion Planning and Control Utilizing Infrastructure Sensor Nodes
University of Waterloo（滑铁卢大学）；University of Alberta（阿尔伯塔大学）
本文提出一种基于基础设施传感器节点和云计算的室内自主移动系统框架，开发了结合人工势场的MPC局部规划与跟踪控制器，实现可靠避障与运动跟踪，并可扩展至智能网联自动驾驶车辆。
2024-11-04 cs.RO cs.SY eess.SY
Collaborative Task and Path Planning for Heterogeneous Robotic Teams using Multi-Agent PPO
Robotic Systems Lab (RSL), ETH Zürich（苏黎世联邦理工学院机器人系统实验室（RSL））
本文提出基于多智能体PPO的协同规划策略，用于解决复杂的目标分配与调度问题，通过对比穷举搜索得到的单目标最优解，评估其在行星探索场景中的在线重规划能力。
2026-04-01 cs.MA cs.RO
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
Tube RRT*: Efficient Homotopic Path Planning for Swarm Robotics Passing-Through Large-Scale Obstacle Environments
School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）
针对大规模障碍环境下群体机器人缺乏高效同伦路径规划方法的问题，本文提出改进自RRT算法的Tube RRT*方法，兼顾间隙体积与路径长度以缓解拥堵，经仿真实验验证了有效性。
2024-10-31 cs.RO cs.SY eess.SY
From CAD to POMDP: Probabilistic Planning for Robotic Disassembly of End-of-Life Products
wbk Institute of Production Science, Karlsruhe Institute of Technology（wbk生产科学研究所，卡尔斯鲁厄技术大学）
本文提出了一种基于POMDP的概率规划框架，用于机器人拆解废旧产品，通过考虑不确定性来提高拆解效率和适应性。
2025-11-28 cs.RO
Planning for robotic exploration based on forward simulation
Tampere University of Technology（坦佩雷理工大学）
本文提出基于POMDP的探索规划方法，结合信息论目标函数和正向模拟算法，通过改进的互信息近似方法提升机器人在部分已知环境中的探索效率。
2016-06-29 cs.RO cs.SY eess.SY
MPC-based Coarse-to-Fine Motion Planning for Robotic Object Transportation in Cluttered Environments
Department of Electrical and Computer Engineering, University of Kaiserslautern Landau（电气与计算机工程系，凯撒斯劳滕大学）；Department of Mechanical Engineering, Dalhousie University（机械工程系，达尔豪斯大学）
本文提出一种杂乱未建模环境下的机器人粗到细运动规划框架，结合双相机感知与基于B样条的MPC，通过增量视觉数据融合逐步细化环境模型与轨迹，利用核感知器碰撞检测实现实时约束更新，并在多臂平台验证了其鲁棒性与适应性。
2025-07-15 cs.RO cs.SY eess.SY
