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
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
Robust Distributed Cooperative Path-Following and Local Replanning for Multi-UAVs Under Differentiated Low-Altitude Paths
School of Mechanical Engineering, Northwestern Polytechnical University（西北工业大学机械工程学院）；Tianjin University of Science and Technology（天津科技大学）
本文提出了一种鲁棒分布式协同路径跟随与局部重计划方法，解决多UAVs在复杂地形低空环境下面对风场扰动、突发障碍和分布式时间同步的挑战，通过时间索引量化问题，结合鲁棒引导法则实现风扰下的有限时间稳定，设计高效局部路径重计划方法以实现实时避障。
2026-03-25 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
A Reinforcement Learning based Path Planning Approach in 3D Environment
Innopolis University（Innopolis大学）
最佳运动规划涉及障碍物规避，其中路径规划是最佳运动规划成功的关键。由于计算量大，大多数路径规划算法不能用于实时应用。用于路径规划的基于模型的强化学习方法在最近的过去已经获得了一定的成功。然而，由于随机性，大多数这样的方法不具有确定性输出。分析了几种基于强化学习的路径规划方法。其中一种是基于确定性树的方法，另外两种方法分别基于Q-学习和近似策略梯度。我们在两个不同的模拟器上测试了前面的方法，每个模拟器都由一组可以动态改变或移动的随机障碍物组成。在分析结果和计算时间后，我们得出结论，确定性树搜索方法提供了高度稳定的结果。然而，计算时间比其他两种方法高得多。最后，在精度和计算时间方面提供了比较结果作为证据。
2022-02-12 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
RRT-Rope: A deterministic shortening approach for fast near-optimal path planning in large-scale uncluttered 3D environments
University of Sherbrooke（舍布鲁克大学）
提出RRT-Rope算法，通过改进RRT-Connect快速生成可行路径，并利用确定性缩短技术后处理，在大型无杂波3D环境中实现比现有RRT变体快70%的近最优路径规划。
2026-07-01 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
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
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
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
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
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
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
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
A Vision-Based Algorithm for a Path Following Problem
University of Sannio（萨尼奥大学）；Czech Technical University in Prague（捷克布拉格技术大学）
针对无人机领域中的路径跟踪问题，提出了一种新颖的优胜者算法。所提出的方法利用纯追踪算法的优点，建立一个直观和简单的控制框架。采用基于图像的视觉伺服（IBVS）方法，利用下视摄像机图像获得四旋翼无人机的航迹。在MATLAB中的数值模拟与MathWorks虚拟现实（VR）工具箱一起证明了所提出的解决方案的有效性和有效性。代码以开放源代码的形式发布，使系统的任何部分都可以使用，并复制所获得的结果。
2023-02-09 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
Path-Following through Control Funnel Functions
University of Colorado（科罗拉多大学）
我们提出了一种方法，使用所谓的控制漏斗功能的路径。合成控制器以“鲁棒地”跟随参考轨迹是自动驾驶车辆的基本问题。在这种情况下，鲁棒性要求我们的控制器处理与期望轨迹的指定偏差量。我们的方法考虑了一个定时法，它描述了如何快速移动沿给定的参考轨迹和控制反馈法，以减少从参考的偏差。我们合成两个反馈法使用“控制漏斗函数”，共同编码的控制法，以及其正确性的论点在车辆动力学的数学模型。我们适应先前描述的示范为基础的学习算法合成控制漏斗函数以及相关的反馈法。我们在1/8比例的自动驾驶汽车上实施了这项法律，称为跑酷汽车。我们比较我们的路径跟踪方法对轨迹跟踪方法的性能，通过指定不同的长度和曲率的轨迹。我们的实验表明，从使用控制漏斗函数获得的改进的鲁棒性。
2018-08-02 cs.RO
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
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
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
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
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
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
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
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
Path Planning Using Deep Deterministic Policy Gradient: A Reinforcement Learning Approach
Hampton University（汉普顿大学）；Air Force Research Laboratory（空军研究实验室）
提出基于深度确定性策略梯度的路径规划方法，将威胁建模为圆形禁行区，通过奖励函数引导智能体学习从状态到动作的映射，找到最大安全起始点集，相比传统最优控制方法速度更快，适用于实时应用。
2026-06-05 cs.RO math.OC
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
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
