Differentiable Optimization Based Time-Varying Control Barrier Functions for Dynamic Obstacle Avoidance
New York University（纽约大学）
本文提出基于可微优化的时变控制障碍函数，将静态几何避障扩展到动态场景，并纳入测量噪声与执行器限制，通过仿真和7自由度Franka Research 3实验验证其有效性。
2024-01-24 cs.RO
Fast Obstacle Avoidance Based on Real-Time Sensing
Swiss Federal School of Technology in Lausanne - EPFL（洛桑联邦理工学院）；Massachusetts Institute of Technology（麻省理工学院）
人类擅长在动态和复杂的空间中导航和移动，例如拥挤的街道。对于机器人来说，要做到这一点，至关重要的是，它们具有高度反应性的避障能力，对局部和不良的感知具有鲁棒性。我们解决的问题，使避障稀疏和异步感知的基础上。所提出的控制方案结合了高层次的输入命令提供的规划者或人类操作员快速反应避障。基于采样的传感器数据可以与障碍物的分析重建相结合，用于实时的【形】碰撞避免。我们可以确保当障碍之间存在可行路径时，智能体不会卡住。该算法进行了实验评估静态激光数据从杂乱，室内办公室环境。此外，它还在洛桑市中心的一个动态和复杂的室外环境中以共享控制模式使用。所提出的控制方案成功地避免了在这两种情况下的冲突。在实验过程中，机载计算机上的控制器花了1毫秒来评估超过30000个数据点。
2022-05-10 cs.RO
Multi-Agent Obstacle Avoidance using Velocity Obstacles and Control Barrier Functions
Royal Institute of Technology (KTH)（皇家理工学院（KTH））
本文提出将速度障碍（VO）用于引导与控制屏障函数（CBF）用于安全相结合的多智能体避障方法，克服VO过于保守的问题并形式化保证安全性，实验表明其在路径平滑性、避碰和成功率上优于基线。
2025-03-11 cs.MA cs.RO
Toward Verifiable Real-Time Obstacle Motion Prediction for Dynamic Collision Avoidance
University of Notre Dame（圣母大学）
下一代无人机（UAV）必须可靠地避开移动障碍物。现有的动态避碰方法在障碍物轨迹是线性的或已知的情况下是有效的，但是这样的限制对于许多现实世界的UAV应用是不准确的。我们提出了一种有效的方法，通过LSTM神经网络的在线训练，仅基于最近的观察来预测障碍物的运动。给定这样的预测，我们定义了一个非线性概率速度障碍（NPVO），它可以用来选择一个速度，是碰撞自由与给定的概率。我们采取了一个步骤，我们的方法的形式化验证，使用统计模型检验近似的概率，我们的系统将错误预测障碍物的运动。鉴于这样的概率，我们证明了在多智能体和互惠碰撞避免场景中的碰撞概率的上限。此外，我们在模拟中证明，我们的方法避免了最先进的方法失败的碰撞。
2019-03-11 cs.RO
Obstacle Avoidance Using a Monocular Camera
Stanford University（斯坦福大学）
基于简单数码相机的防撞系统将有助于将小型无人机安全地集成到拥挤的低空环境中。在这项工作中，我们提出了一个小型无人机避障系统，使用单目摄像机与混合神经网络和路径规划控制器。该系统由一个视觉网络，用于估计深度从相机图像，一个高级控制网络，碰撞预测网络，和应急策略。该系统是在一个模拟的无人机上进行评估，在一个受约束的飞行模式中航行的障碍课程。结果表明，该系统实现了低碰撞率，同时保持操作相关的飞行速度。
2021-01-25 cs.AI cs.RO
Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes
Boston University（波士顿大学）；University of Maryland（马里兰大学）
针对多面体机器人与障碍物的避碰问题，提出一种迭代凸MPC-DCBF框架，通过精确最近点计算导出支撑超平面构建线性DCBF约束，实现快速在线安全控制。
2026-06-23 cs.RO
V-RVO: Decentralized Multi-Agent Collision Avoidance using Voronoi Diagrams and Reciprocal Velocity Obstacles
University of Maryland（马里兰大学）
提出了一种基于缓冲Voronoi单元（BVC）和倒速度障碍（RVO）的密集环境下的分散式避碰方法。我们的方法是专为场景与大量的近距离代理，并提供被动友好的碰撞避免保证。Voronoi细胞与RVO锥叠加，以计算一个合适的方向为每个代理，我们使用该方向计算一个本地的无碰撞路径。我们的方法可以满足双积分动力学约束，我们使用的性质BVC制定一个简单的，分散的死锁解决策略。我们展示了V-RVO在复杂场景中的优势，其中有数十个代理人非常接近。在实践中，V-RVO的性能与以前的速度障碍物方法相当，避碰行为明显不如ORCA保守。
2021-02-26 cs.MA cs.RO
Task Space Planning with Complementarity Constraint-based Obstacle Avoidance
在本文中，我们提出了一个基于任务空间的本地运动规划器，它结合了避免碰撞和约束末端执行器的运动在执行任务。我们的主要技术贡献是开发了一种新的机器人运动状态演化模型，其中碰撞避免被编码为互补约束。我们表明，避免碰撞的运动状态演化可以表示为线性互补问题（LCP）。使用LCP模型以及SE（3）中的螺旋线性插值（ScLERP），我们表明，即使存在与障碍物的潜在碰撞，也可以通过直接从开始移动到目标姿势来计算两个给定任务空间姿势之间的路径。的可扩展性的规划证明了使用物理机器人的实验。我们目前的模拟和实验结果与碰撞避免和任务限制，以显示我们的方法的有效性。
2021-04-16 cs.RO
Active Learning-augmented Intention-aware Obstacle Avoidance of Autonomous Surface Vehicles in High-traffic Waters
Dartmouth College（达特茅斯学院）；IQT Labs（IQT实验室）
本文提出一种主动学习增强的意图感知避障方法，通过拓扑建模和LSTM分类障碍物通过意图，结合多目标优化，在蒙特卡洛模拟和真实实验中验证了高交通密度水域的安全导航能力。
2024-11-01 cs.RO
Evaluating Dynamic Environment Difficulty for Obstacle Avoidance Benchmarking
Delft University of Technology（代尔夫特理工大学）
本文提出四种动态环境难度量化指标，通过超150万次模拟试验验证生存率指标与成功率呈强单调关系，为避障基准测试和方法改进提供支持。
2024-04-23 cs.RO
Non-Conservative Obstacle Avoidance for Multi-Body Systems Leveraging Convex Hulls and Predicted Closest Points
Eindhoven University of Technology（埃因霍温理工大学）；Philips IGT Systems Mechatronics（飞利浦IGT机电系统公司）
本文提出一种将未来最近点预测与凸包结合并集成到避障控制器距离约束中的新方法，有效解决了最近点突变问题，降低了碰撞风险，并在Image Guided Therapy机器人上验证了其能提升轨迹平滑度与导航安全性。
2024-10-16 cs.RO
Night vision obstacle detection and avoidance based on Bio-Inspired Vision Sensors
University of Turku（图尔库大学）；Royal Institute of Technology (KTH)（瑞典皇家理工学院（KTH））；King Faisal University（费萨尔国王大学）
在迈向自主化的过程中，无人驾驶汽车严重依赖最先进的防撞系统（CAS）。然而，特别是在夜间，障碍物的检测仍然是一项具有挑战性的任务，因为照明条件不足以使传统相机正常工作。因此，我们利用基于事件的摄像机的强大属性，在低光照条件下进行障碍物检测。事件摄像机以高输出时间速率异步触发事件，动态范围高达120 $dB$。该算法滤除背景活动噪声，并使用鲁棒Hough变换技术提取目标。每个检测到的对象的深度是通过三角测量利用LC-Harris提取的2D特征来计算的。最后，异步自适应避碰算法（AACA）的有效避免。比较了事件摄像机和传统摄像机的定性评价。
2020-10-29 cs.CV cs.RO
Monocular Camera-based Complex Obstacle Avoidance via Efficient Deep Reinforcement Learning
Dalian University of Technology（大连理工大学）；Hebei University of Water Resources and Electric Engineering（河北水利电力学院）；Alibaba Group（阿里巴巴集团）；Fuzhou University（福州大学）；Northwestern Polytechnical University（西北工业大学）；The University of Hong Kong（香港大学）；SIASUN Robot & Automation Co., Ltd（新松机器人自动化股份有限公司）
深度强化学习在基于激光的避碰工作中取得了巨大的成功，因为激光能够感知到准确的深度信息，没有过多的冗余数据，这在从仿真环境迁移到现实世界时能够保持算法的鲁棒性。然而，高成本的激光设备不仅难以部署用于大规模的机器人，而且对复杂障碍物（包括不规则障碍物，例如，桌子、椅子和架子，以及复杂的地面和特殊材料。在本文中，我们提出了一种新的单目摄像机为基础的复杂避障框架。特别是，我们创新地将捕获的RGB图像转换为伪激光测量，以实现高效的深度强化学习。与传统的激光测量方法相比，伪激光测量方法融合了RGB图像的深度信息和语义信息，对复杂障碍物的测量效果更好。设计了特征提取引导模块，对输入的伪激光测量值进行加权，使智能体对当前状态具有更合理的关注度，有利于提高避障策略的准确性和效率。
2022-09-01 cs.RO
Time-Efficient Iterative Learning Planning for Safety-Critical Dynamic Obstacle Avoidance
Beijing Institute of Technology（北京理工大学）；Beihang University（北京航空航天大学）
本文通过集成预期风险混合控制障碍函数扩展迭代学习规划，实现动态环境中的安全关键避障，在低计算开销下提升时间效率与安全性。
2026-09-18 cs.RO
Iterative Active-Inactive Obstacle Classification for Time-Optimal Collision Avoidance
Istanbul Technical University（伊斯坦布尔理工大学）
针对时间最优避障中障碍物增多导致计算困难的问题，提出迭代主动-非主动障碍物分类方法，仅考虑“主动”障碍物进行路径规划，从而高效计算最优路径并处理大量障碍物与运动约束。
2024-03-20 cs.RO
Dynamic Collision Avoidance Using Velocity Obstacle-Based Control Barrier Functions
Zhejiang University（浙江大学）；Shenzhen Polytechnic University（深圳职业技术大学）
本文提出在速度空间构建基于速度障碍的控制屏障函数（VOCBF），结合CLF和决策网络求解MIQP，实现加速度控制独轮机器人在动态环境中的高效避障，并扩展至多机器人系统。
2025-03-09 cs.RO
Obstacle Avoidance for Unicycle-Modelled Mobile Robots with Time-varying Control Barrier Functions
Zhejiang University（浙江大学）；Cruise LLC（Cruise有限责任公司）
针对独轮车模型移动机器人，提出结合时变CBF与CLF的QP安全关键控制器，通过同时控制线速度和角速度实现实时导航与动态避障。
2023-07-17 cs.RO
Geometric Model Predictive Path Integral for Agile UAV Control with Online Collision Avoidance
Multi-robot Systems Group, Faculty of Electrical Engineering, Czech Technical University in Prague（多机器人系统组，电气工程系，布拉格捷克技术大学）
本文提出几何模型预测路径积分（GMPPI）用于无人机敏捷控制与在线避障，通过几何SE(3)控制和定制代价函数提升避障与跟踪性能。
2026-02-23 cs.RO
Safety-Critical Control and Planning for Obstacle Avoidance between Polytopes with Control Barrier Functions
UC Berkeley（加州大学伯克利分校）
多面体间的避障问题是最优控制和基于优化的轨迹规划问题中的一个具有挑战性的课题。现有的工作要么解决这个问题，通过混合整数优化，依赖于简化的系统动力学，或通过模型预测控制与双变量使用距离约束，需要长的视野避障。在任何一种情况下，解决方案只能作为离线规划算法应用。在本文中，我们利用的属性，一个较小的地平线是足够的避障，通过使用离散时间控制障碍函数（DCBF）的约束，我们提出了一种新的优化配方与双变量的基础上DCBF生成一个无碰撞的动态可行的轨迹。所提出的优化公式具有较低的计算复杂性相比，现有的工作，可以作为一个快速的在线算法的控制和规划一般的非线性动力系统。我们验证了我们的算法不同的机器人形状，使用数值模拟与运动自行车模型，从而成功地通过迷宫环境中的多面体障碍物导航。
2022-05-31 cs.RO cs.SY eess.SY
Obstacle Avoidance via Hybrid Feedback
University of Quebec in Outaouais（乌塔韦魁北克大学）；University of Groningen（格罗宁根大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
在本文中，我们提出了一种混合反馈的方法来解决导航问题的一个点质量的n维空间中包含任意数量的椭球形障碍物。所提出的混合控制算法既保证全局渐近稳定的参考和避免的障碍。所提出的混合反馈的直观想法是在两种控制模式之间切换：稳定和避免。所提出的混合控制器的流和跳集的尺规作图法，利用滞后区域，保证Zeno自由稳定和避免模式之间的切换。仿真结果表明，所提出的混合控制方法的性能为2维和3维的情况下。
2021-02-04 cs.RO cs.SY eess.SY
A Convex Obstacle Avoidance Formulation
Laboratory for AI, Robotics and Automation, University of California at Davis（人工智能、机器人与自动化实验室，加州大学戴维斯分校）
提出首个通用凸避障公式，通过逻辑集成方法将避障融入凸MPC，相比非凸方法大幅提升计算效率，且障碍物在预测时域外仍有效，支持短时域实时部署。
2026-07-07 cs.RO cs.SY eess.SY
Variational point-obstacle avoidance on Riemannian manifolds
本文研究完备黎曼流形上的变分避障问题。该问题包括最小化的能量功能取决于速度，协变加速度和排斥势函数，用于避免静态障碍物的流形上，一组容许曲线。我们推导出变分问题极值的动力学方程，特别是紧连通李群和黎曼对称空间。数值例子来说明所提出的方法。
2019-09-26 cs.SY eess.SY math.OC
Variational collision and obstacle avoidance of multi-agent systems on Riemannian manifolds
在本文中，我们研究的路径规划问题，从变分方法的碰撞和避障的多智能体系统上的黎曼流形上发展。该问题包括寻找代理和工作空间上的规定的障碍物之间的非相交轨迹，在一组允许的曲线，以达到指定的配置，基于最小化的能量功能，取决于速度，协变加速度和人工潜在的功能，用于防止与障碍物和代理之间的碰撞。我们将结果应用到一个平面刚体的例子，和碰撞和避障的代理在一个球体上发展。
2019-10-11 cs.SY eess.SY math.OC
Obstacle avoidance-driven controller for safety-critical aerial robots
Hamburg University of Technology（汉堡工业大学）；Institute of Mechanics and Ocean Engineering（力学与海洋工程研究所）
本论文的目的是将控制障碍函数（CBF）与模型预测控制（MPC）相结合，提出一种新的模型预测控制障碍函数（MPCBF）。可以表明，由于MPC的时间范围增加，MPCBF的性能超过CBF的性能。此外，MPCBF应用于四旋翼，一个系统强烈需要快速和预测控制。使用MPCBF，四旋翼能够避开障碍物，CBF由于障碍物的相对速度而未能避开障碍物。这项工作的结果进行了实验验证。
2020-11-19 cs.RO cs.SY eess.SY
Reduction by Symmetry in Obstacle Avoidance Problems on Riemannian Manifolds
研究了变分避障问题的对称约化。通过考虑另一个李群水平丛上的联络所表示的变分问题，我们导出了李群具有左不变度量的情况下的约化必要条件，以及相应的黎曼齐性空间的约化条件.一些特殊情况下，避障潜力可以明确计算的详细研究，并将这些想法应用到避障任务的刚体上SO $(3)$和单位球$S^2$。
2022-07-27 cs.SY eess.SY math.DS
Reduction in optimal control with broken symmetry for collision and obstacle avoidance of multi-agent system on Lie groups
研究了连续时间和离散时间系统中具有部分对称破缺费用函数的左不变仿射多智能体控制系统的最优控制问题的最优性条件的对称约化.我们重铸的最优控制问题作为一个约束变分问题的部分对称破缺拉格朗日和获得减少的最优性条件从减少的变分原理通过对称约化技术在两个设置，连续时间和离散时间。我们将结果应用到碰撞和避障问题的$SE(2)$上的静态障碍物的存在下发展的多辆车。
2022-07-14 cs.SY eess.SY math.OC
Prescribed-time Control for Perturbed Euler-Lagrange Systems with Obstacle Avoidance
本文针对Euler-Lagrange系统，设计了一类时变控制器，使其在任意有限时刻收敛，且与初始条件无关，无抖振。所提出的控制器是基于一个映射技术，设计分为两个步骤：首先，一个传统的（避障）渐近稳定的控制器指定的标称系统，然后，通过一个简单的替代，规定的时间（避障）控制器是可实现的扰动系统。证明了所提出的方案对于未扰动系统是一致规定时间稳定的，对于扰动系统是规定时间吸引的，因为它能在不观测扰动的情况下抑制匹配扰动，且扰动上界未知.作为一个例子，两连杆机器人操作器被认为是数值模拟。
2021-08-18 cs.SY eess.SY math.OC
Obstacle Avoidance for Autonomous Mobile Robots Based on Mapping Method
Hanoi University of Industry（河内工业大学）；University of Economics - Technology for Industries（经济与技术工业大学）
近年来，移动机器人因其在各种环境中的应用而受到研究者的极大关注。移动机器人在穿越障碍物时，需要识别障碍物并生成新的轨迹以到达目的地。提出了一种基于开源的机器人操作系统（ROS）和动态窗口逼近（DWA）算法的移动机器人避障方法。实验是使用移动机器人进行的，其中导航数据是基于由激光扫描仪收集的数据。实验结果表明，该机器人能够在静态和动态障碍物环境中正常工作。
2021-09-14 cs.RO cs.SY eess.SY
Informed Circular Fields for Global Reactive Obstacle Avoidance of Robotic Manipulators
Leibniz University Hannover（汉诺威莱布尼茨大学）；Technical University Munich（慕尼黑工业大学）
本文扩展了圆场预测（CFP）规划器，提出一种利用全局避障方向信息的机器人机械臂全局反应式运动规划框架，在降低计算量的同时实现整体结构避障与轨迹优化。
2023-08-04 cs.RO cs.SY eess.SY
Obstacle Avoidance and Navigation Utilizing Reinforcement Learning with Reward Shaping
University of North Texas（北德克萨斯大学）
本文主要研究机器人控制领域中的避障与导航问题。针对这一问题，提出了基于改进奖励塑造技术的深度确定性策略梯度（DDPG）和近端策略优化算法。我们比较了原始DDPG和PPO与修改后的版本，都与一个真正的移动机器人模拟的性能，并证明所提出的算法取得了更好的效果。
2020-04-10 cs.LG cs.RO cs.SY
Hybrid Feedback Control Design for Non-Convex Obstacle Avoidance
Western University（西安大略大学）；Lakehead University（湖首大学）
针对含任意非凸障碍物的二维机器人导航场景，提出基于非保守虚拟障碍物变换的混合反馈控制导航算法，实现无Zeno切换的全局渐近目标稳定与避障，并通过数值仿真验证有效性。
2024-04-15 cs.RO cs.SY eess.SY
Variational Obstacle Avoidance with Applications to Interpolation Problems in Hybrid Systems
研究了完备黎曼流形上的变分避障问题，并将所得结果应用于构造具有脉冲效应的系统中插值于一组结点的分段平滑曲线.我们导出了变分问题中极值的动力学方程，并利用无穷维Hilbert流形上弱收敛的低连续性证明了极小解的存在性.然后，我们提供的条件下，它是可能的，以确保极值将安全地避免给定的障碍物在一些所需的公差。
2021-08-30 cs.SY eess.SY math.OC
N-dimensional Convex Obstacle Avoidance using Hybrid Feedback Control (Extended version)
Department of Electrical and Computer Engineering, Lakehead University（电气与计算机工程系，拉科赫大学）；Department of Electrical and Computer Engineering, Western University（电气与计算机工程系，西部大学）
本文提出了一种混合反馈控制方法，用于在未知n维环境中安全避障并全局收敛至目标位置。
2026-07-07 cs.RO cs.SY eess.SY
Distributed Adaptive Consensus with Obstacle and Collision Avoidance for Networks of Heterogeneous Multi-Agent Systems
针对异构多智能体系统，提出一种基于势函数、神经网络扰动估计与自适应调节律的分布式自适应控制策略，确保在固定拓扑下实现领航者-跟随者编队一致性及碰撞与障碍避免。
2024-10-11 cs.SY eess.SY
Trajectory Planning with Model Predictive Control for Obstacle Avoidance Considering Prediction Uncertainty
Institute of Electromobility, RPTU University Kaiserslautern-Landau（电磁移动研究所，科隆-兰道大学）；Institute of Wireless Communications and Navigation, RPTU University Kaiserslautern-Landau（无线通信与导航研究所，科隆-兰道大学）
本文提出一种基于MPC和ROS2/Nav2框架的新型动态避障轨迹规划器，利用随机VAR模型预测障碍物未来位置，并通过马氏距离约束实现考虑预测不确定性的避障，显著提升了机器人在动态环境中的避障能力。
2025-04-27 cs.RO cs.SY eess.SY
Efficient Avoidance of Ellipsoidal Obstacles with Model Predictive Control for Mobile Robots and Vehicles
Institute of Engineering and Computational Mechanics（工程与计算力学研究所）；Department of Mechanical Engineering, LUT University（机械工程系，卢托大学）
本文提出一种将任意椭球体重叠测试集成到模型预测控制（MPC）框架中的高效避障方法，适用于轮式移动机器人，仿真与硬件实验验证了其向现实的可转移性和实时适用性。
2024-12-16 cs.RO cs.SY eess.SY
Robust UAV Path Planning with Obstacle Avoidance for Emergency Rescue
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Southeast University（东南大学）；China University of Mining and Technology（中国矿业大学）
针对复杂三维环境下无人机避障路径规划的安全需求，本文构建含障碍物与禁飞区的三维场景，提出融合模拟退火的改进人工势场算法APF-SA，可跳出局部最优实现全局最优的鲁棒路径规划，仿真验证了其有效性。
2025-01-16 cs.RO cs.SY eess.SY
Hybrid Feedback Control for Global Navigation with Locally Optimal Obstacle Avoidance in n-Dimensional Spaces
Department of Electrical Engineering, Lakehead University（电气工程系，拉科夫大学）；Department of Computer Science and Engineering, University of Quebec in Outaouais（计算机科学与工程系，魁北克大学瓦省分校）
提出一种混合反馈控制框架，通过动态切换向目标运动和局部最优避障两种模式，实现在n维球形障碍物环境中的安全全局导航，生成连续速度输入，兼容距离传感器，仿真与实验验证了其路径更短、轨迹更平滑。
2025-10-09 cs.RO cs.SY eess.SY
APF-PF: Probabilistic Depth Perception for 3D Reactive Obstacle Avoidance
University of Colorado Boulder（科罗拉多大学博尔德分校）
本文提出了一个框架，三维避障存在的部分可观性的环境障碍。该方法侧重于实用的人工势函数（APF）控制器在一个实际的设置，噪音和不完整的信息接近是不可避免的。我们提出了一种粒子滤波器（PF）的方法来估计潜在的障碍物的位置在输入深度图像流。然后，可能的候选人被用来生成一个动作，操纵机器人在每个时刻朝着负梯度的潜力。在四旋翼无人机上进行了严格的实验验证，结果表明，当机器人对错误感知信息敏感时，该方法具有鲁棒性和可靠性。所提出的感知和控制栈在无人机上运行，证明了实时应用和敏捷机器人的计算可行性。
2021-03-17 cs.RO cs.SY eess.SY
Decentralized Nonlinear Model Predictive Control-Based Flock Navigation with Real-Time Obstacle Avoidance in Unknown Obstructed Environments
本研究扩展了分布式NMPC框架，通过整合基于点云的局部避障约束，实现了未知障碍环境中机器人集群的实时避障导航，并通过3D仿真和硬件在环仿真验证了其有效性与实用性。
2025-05-15 cs.RO cs.SY eess.SY
Cooperative Sensing Enhanced UAV Path-Following and Obstacle Avoidance with Variable Formation
Beijing University of Posts and Telecommunications（北京邮电大学）
针对无人机编队安全执行任务的需求，本文结合DRL路径跟踪、ISAC协同感知、VFEO定位、在线避障与NSB分层融合，实现无冲突的路径跟踪和障碍物规避。
2025-08-29 cs.RO cs.SY eess.SY
Variational obstacle avoidance problem on Riemannian manifolds
University of Michigan（密歇根大学）；University of Coimbra（科英布拉大学）
本文研究了黎曼流形上的变分障碍回避问题，推导了正常极值存在的必要条件，探讨了两种场景：一般黎曼流形和子黎曼问题，并应用于刚体和无人车的障碍回避。
2017-03-16 cs.SY eess.SY math-ph
Frenet-Cartesian Model Representations for Automotive Obstacle Avoidance within Nonlinear MPC
University Freiburg（弗莱堡大学）
近年来，非线性模型预测控制（NMPC）已被广泛用于解决汽车运动控制和规划任务。为了公式化NMPC问题，可以使用具有不同优点的不同坐标系。我们提出并比较配方的NMPC相关的优化问题，涉及笛卡尔和Frenet坐标系（CCF/ FCF）在一个单一的非线性程序（NLP）。我们指定的成本和避碰的限制，在更有利的坐标系，推导出适当的配方，并比较不同的障碍物的限制。通过这种方法，我们利用更简单的制定对手车辆的约束条件的CCF，以及道路对齐的成本和限制有关的自由现金流量。在仿真框架中与其他方法的比较突出了所提出的方法的优点。
2022-12-22 cs.RO cs.SY eess.SY
Dynamic Bipedal MPC with Foot-level Obstacle Avoidance and Adjustable Step Timing
Mechanical Engineering Department at the FAMU-FSU College of Engineering（佛罗里达州立大学工程学院机械工程系）；FAMU-FSU College of Engineering（佛罗里达大学-萨拉姆斯学院工程学院）；Toyota Research Institute（丰田研究院）；Ford Motor Company（福特汽车公司）
针对非结构化环境中双足机器人的避障需求，提出一种兼具步时调整与3D足部避障的实时MPC框架，通过半空间松弛、混合整数规划等方法实现身体与足部避障，并在Cassie、Digit仿真及Digit硬件上验证了有效性。
2025-05-19 cs.RO cs.SY eess.SY
Computation of forward stochastic reach sets: Application to stochastic, dynamic obstacle avoidance
University of New Mexico（新墨西哥大学）
本文提出一种高效计算非线性系统随机可达集及其概率测度的方法，用于解决移动机器人中的随机动态障碍回避问题，通过混合整数线性规划处理机会约束，实现概率碰撞避免。
2016-10-11 cs.SY eess.SY
Model Predictive Contouring Control for Vehicle Obstacle Avoidance at the Limit of Handling
Delft University of Technology（代尔夫特理工大学）；Siemens PLM Software（西门子PLM软件公司）
针对车辆在操纵极限下的紧急避障问题，提出融合规划、跟踪与稳定性的非线性MPCC，并通过高保真仿真和实时硬件验证其性能。
2023-08-13 cs.RO cs.SY eess.SY
Proposal of algorithms for navigation and obstacles avoidance of autonomous mobile robot
本文提出算法用于室内自主移动机器人导航与避障，利用激光雷达获取3D环境图像，通过改进的向量场直方图算法生成2D地图并控制轨迹跟踪，实验结果良好。
2016-11-28 cs.RO cs.SY eess.SY
Efficient Collision-Avoidance Constraints for Ellipsoidal Obstacles in Optimal Control: Application to Path-Following MPC and UAVs
Institute of Engineering and Computational Mechanics, University of Stuttgart（工程与计算力学研究所，斯图加特大学）；Chair of Systems Modeling and Simulation, Saarland University（系统建模与仿真教授团，萨尔兰大学）；Department of Mechanical Engineering, LUT University（机械工程系，卢霍斯大学）
针对无人机三维避障需求，提出含高效连续可微椭球碰撞检测条件与两阶段优化的模块化最优控制框架，应用于路径跟踪MPC，经仿真和Crazyflie实物实验验证，为同类MPC首次无人机三维硬件验证。
2025-10-30 cs.RO cs.SY eess.SY
Adaptive Leader-Follower Formation Control and Obstacle Avoidance via Deep Reinforcement Learning
University of Florida（佛罗里达大学）；Amazon Robotics（亚马逊机器人公司）；Tongdun Technology（同盾科技）
我们提出了一种深度强化学习（DRL）的跟踪，避障和编队控制的非完整机器人的方法。通过将基于视觉的控制分为感知模块和控制器模块，我们可以训练DRL代理，而无需复杂的物理或3D建模。此外，模块化框架避免了图像到动作端到端神经网络的令人生畏的重新训练，并提供了将控制器转移到不同机器人的灵活性。首先，我们训练卷积神经网络（CNN）以在具有动态前景/背景的室内环境中准确定位。然后，我们设计了一个新的DRL算法称为动量策略梯度（MPG）的连续控制任务，并证明了其收敛性。我们还表明，MPG是强大的跟踪不同的领导人的运动，自然可以扩展到编队控制问题。利用奖励塑造，碰撞和避障等功能可以轻松集成到DRL控制器中。
2019-11-15 cs.RO cs.SY eess.SY
Decentralized MPC based Obstacle Avoidance for Multi-Robot Target Tracking Scenarios
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Tübingen（图宾根大学）；International Institute for Information Technology（国际信息技术研究所）
在这项工作中，我们考虑的问题，分散的多机器人目标跟踪和避障在动态环境中。每个机器人执行基于模型预测控制（MPC）的局部运动规划算法。规划器被设计为二次规划，受到机器人动力学和避障的约束。采用排斥势场函数来避开障碍物。我们的方法的新颖之处在于嵌入这些非线性势场函数的约束条件内的凸优化框架。我们的方法convexifies非凸约束和依赖关系，通过将它们替换为机器人动力学中预先计算的外部输入力。所提出的算法还采用了不同的方法，以避免使用潜在的场函数规划领域的局部极小值问题。运动规划器不强制执行预定义的轨迹或任何形成的机器人的几何形状，是一个全面的解决方案，在多机器人目标跟踪的背景下，合作避障。我们在不同的环境下进行仿真研究，以展示所提出的算法的收敛性和有效性。模拟研究视频：\url{https://youtu.be/umkdm82Tt0M}
2019-09-01 cs.MA cs.RO cs.SY
Autonomous quadrotor obstacle avoidance based on dueling double deep recurrent Q-learning with monocular vision
School of Aeronautic Science and Engineering, Beihang University（北京航空航天大学航空科学与工程学院）；Research Institute for Frontier Science, Beihang University（北京航空航天大学前沿科学研究院）；School of Electronic and Information Engineering, Beihang University（北京航空航天大学电子信息工程学院）
无人机的快速发展对自主避障提出了更高的要求。由于有效载荷和电源有限，四旋翼等小型无人机通常携带简单的传感器和计算单元，这使得传统方法的实现更具挑战性。在本文中，一种新的框架被证明是通过拥挤的环境中自主飞行的单目视觉控制四旋翼。该框架采用两级结构，包括一个传感模块和一个决策模块。传感模块基于无监督深度学习方法。决策模块采用决斗式双深度递归Q学习算法，消除了星载单目摄像机观测能力有限的不利影响。该框架使四旋翼无人机能够在没有任何先验环境信息或标记数据集的情况下实现自主避障。训练后的模型具有较高的仿真成功率和较好的泛化能力。
2020-03-02 cs.RO cs.SY eess.SY
Vector Field-based Collision Avoidance for Moving Obstacles with Time-Varying Elliptical Shape
本文提出了一种局部运动规划算法，在环境中的移动椭圆形障碍物的速度，形状和大小是完全已知的，但可能会随着时间的变化。我们的算法的基础上的碰撞避免矢量场（CAVF），其目的是引导代理到所需的最终状态，其运动是由一个双积分运动学模型。除了处理多个障碍物之外，该方法还适用于有界环境中的更现实的应用（例如，建筑物内的运动规划）。我们还采用了一种方法来处理代理的控制输入是有限的，使他们安全地绕过障碍物。为了展示我们的方法，我们在2D和3D场景中展示了大量的模拟结果。
2022-07-23 cs.SY eess.SY
Obstacle Avoidance of UAV in Dynamic Environments Using Direction and Velocity-Adaptive Artificial Potential Field
Department of Aerospace Engineering, Indian Institute of Technology Kharagpur（航空航天工程系，印度理工学院Kharagpur）
本文提出一种基于方向和速度自适应的人工势场方法，结合模型预测控制实现无人机在动态环境中的高效避障与安全导航。
2026-08-25 cs.RO cs.SY eess.SY
Distributionally Robust Acceleration Control Barrier Filter for Efficient UAV Obstacle Avoidance
University of Klagenfurt（克拉根福大学）
本文提出分布鲁棒加速控制屏障函数（DR-ACBF）用于高效无人机避障，通过考虑动态和延迟的清晰度处理延迟、执行器限制和障碍物加速度，利用Cantelli紧缩和DR-CVaR提前触发提高安全性，实现实时执行。
2026-03-26 cs.SY eess.SY
