Diffusion for Long-Horizon Multi-Robot Path Planning in Human-Shared Environments
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)
研究人类共享环境中多机器人长距离路径规划问题,提出MRRD框架,结合滚动时域、并行扩散推理及冲突搜索机制,纳入时间条件与引导项,实验证明该框架能实时扩展到15个机器人,性能优于现有基线。
2026-07-14 cs.RO
Rolling in the Deep -- Hybrid Locomotion for Wheeled-Legged Robots using Online Trajectory Optimization
ETH Zürich(苏黎世联邦理工学院);Delft University of Technology(代尔夫特理工大学);Boston Dynamics(波士顿动力公司)
轮式足式机器人具有高度敏捷和多功能运动的潜力。腿和轮子的组合可能是任何需要在具有挑战性的地形上快速和长距离移动技能的现实世界应用的解决方案。在本文中,我们提出了一个在线轨迹优化框架轮式四足机器人能够执行混合步行驱动运动策略。通过将优化问题分解为轮和基座轨迹规划,高维轮足式机器人的运动规划变得更加易于处理,可以以模型预测控制的方式实时在线求解,并且对于不可预测的干扰变得鲁棒。参考运动由分层全身控制器跟踪,该控制器向机器人发送扭矩命令。我们的方法是验证四足机器人与非转向轮连接到它的腿。该机器人执行混合运动的各种步态序列在粗糙的地形。此外,我们在美国国防高级研究计划局(DARPA)地下挑战赛中验证了机器人平台,机器人在那里快速绘制地图,导航和探索动态地下环境。
2020-02-06 cs.RO cs.SY eess.SY
Walk on Spheres for PDE-based Path Planning
KTH Royal Institute of Technology(皇家理工学院)
本文首次研究了Walk on Spheres算法在机器人配置空间运动规划中的应用,通过将势场定义为屏蔽泊松方程的解,实验验证了该方法具备平凡并行化能力、O(1/N)的维度无关收敛特性及在RR平台上的有效性。
2024-06-03 cs.RO
Online Dynamic Motion Planning and Control for Wheeled Biped Robots
轮式足式机器人结合了轮式机器人在适当平坦表面上行驶时的效率和足式机器人在跨越或绕过障碍物时的多功能性。本文介绍了一种规划和控制框架,以实现动态移动的轮式机器人。我们提出的车线性倒立摆模型(车LIPM)作为模板模型的滚动运动和欠驱动LIPM的接触变化,而步行。生成的运动然后由一个逆动态全身控制器跟踪,该控制器协调所有关节,包括车轮。该框架具有分层结构,并以模型预测控制(MPC)方式实现。为了验证所提出的混合运动生成方法,在仿真中设计了两种涉及不同类型障碍物的场景。据我们所知,这是第一次,这种在线动态混合运动已被证明对轮式机器人。
2020-03-07 cs.RO
Combined Sampling and Optimization Based Planning for Legged-Wheeled Robots
ETH Zurich(苏黎世联邦理工学院)
由于有许多自由度,腿轮机器的规划通常使用轨迹优化来完成,从而使腿轮规划者容易陷入糟糕的局部最小值。我们提出了一种结合采样和优化的规划方法,可以应对具有挑战性的地形。基于采样的阶段计算全身配置和接触时间表,这加快了优化收敛。基于优化的阶段确保满足所有系统约束,例如非完整滚动约束。评价表明,良好的初始猜测优化的重要性。此外,他们认为,地形/碰撞(避免)的限制比机器人模型的限制更具挑战性。最后,我们扩展了优化处理一般地形表示的高程图的形式。
2021-04-09 cs.RO cs.SY eess.SY
Safe Planning for Articulated Robots Using Reachability-based Obstacle Avoidance With Spheres
University of Michigan(密歇根大学)
针对实时运动规划中安全性与实时性的权衡问题,提出基于可达集和精确有符号距离的滚动时域规划器SPARROWS,通过球体过近似扫掠体积生成可证明无碰撞的安全轨迹,降低了保守性并优于现有方法。
2024-02-13 cs.RO
Space-Time Conflict Spheres for Constrained Multi-Agent Motion Planning
Illinois Mathematics and Science Academy(伊利诺伊数学与科学学院);Carnegie Mellon University(卡内基梅隆大学)
针对多智能体运动规划难题,提出基于时空冲突球与深度优先搜索的方法,兼具可扩展性与计算保证,支持动静态障碍物,在CARLA无信号路口场景中成功率显著提升且扩展性良好。
2023-04-30 cs.RO
Non-impulsive Contact-Implicit Motion Planning for Morpho-functional Loco-manipulation
Northeastern University(东北大学);California Institute of Technology(加州理工学院)
本研究针对蛇形机器人COBRA的运动操作需求,提出基于非脉冲隐式接触路径规划的优化方法,给出数学框架并通过定形侧向滚动的高保真仿真验证了物体操作能力。
2024-04-12 cs.RO cs.SY eess.SY
Rolling Ahead Diffusion for Traffic Scene Simulation
University of British Columbia(不列颠哥伦比亚大学);Inverted AI(Inverted AI公司);Amii(Amii研究院)
针对现有交通场景生成模型反应性与计算效率难以兼顾的问题,提出基于滚动扩散的模型,同时预测下一步及部分带噪远未来步骤,在反应性与计算效率间实现折中且比基于扩散的AR更高效。
2025-02-13 cs.LG cs.RO
Bubble Planner: Planning High-speed Smooth Quadrotor Trajectories using Receding Corridors
University of Hong Kong(香港大学);Harbin Institute of Technology(哈尔滨工业大学);Zhejiang University(浙江大学);Dji Co.(大疆创新科技有限公司)
四旋翼是灵活的平台。在人类专家的帮助下,它们可以在混乱的环境中进行极高速的飞行。然而,高速全自动飞行仍然是一个重大挑战。在这项工作中,我们提出了一个运动规划算法的基础上,约束的最小控制努力轨迹优化(MINCO)框架。具体来说,我们使用一系列重叠的球体来表示环境的自由空间,并提出了两种新的设计,使算法能够实时规划高速四旋翼轨迹。一种是基于采样的走廊生成方法,该方法生成两个相邻球体之间具有较大重叠区域(因此具有整体走廊大小)的球体。第二种是后退地平线走廊(RHC)策略,其中以前生成的走廊的一部分在每次重新规划中重复使用。这两种设计一起根据四旋翼的当前状态扩大了走廊空间,因此允许四旋翼以高速机动。我们的算法对其他国家的最先进的规划方法进行基准测试,以显示其在仿真中的优越性。本文还对这两种设计的必要性进行了全面的消融研究。所提出的方法最后在树林环境中的自主激光雷达导航四旋翼无人机上进行了评估,在没有任何环境或外部定位设施的情况下实现了超过13.7 m/s的飞行速度。
2022-09-14 cs.RO
Path Planning and Navigation Inside Off-World Lava Tubes and Caves
University of Arizona(亚利桑那大学);Arizona State University(亚利桑那州立大学)
月球和火星的详细表面图像揭示了数百个洞穴状的开口。这些洞穴状的开口理论上是熔岩管的残余,其内部可能处于原始状态。这些地点可能保存了月球和火星的地质记录,包括过去水流和可居住性的证据。使用轮式探测器探索这些洞穴仍然是一个艰巨的挑战。这些洞穴很可能有入口,天花板塌陷,就像亚利桑那州和新墨西哥州的熔岩管一样。因此,即使是有经验的人类徒步旅行者也几乎不可能穿越入口。我们的方法是利用SphereX机器人,这是一个3公斤,30厘米直径的机器人,带有计算机硬件和连接到火箭推进器的智能手机传感器。每个SphereX机器人都可以在低重力、无空气或低压环境中跳跃、滚动或短距离飞行。可能会部署几个SphereX机器人,以最大限度地减少单点故障,并利用合作行为穿越洞穴。在这些洞穴环境中,导航和路径规划面临一些重要挑战。定位系统,如全球定位系统是不可用的,也不容易安装,由于从岩石的信号阻塞。这些洞穴太暗,太大,传统的传感器,如相机和微型激光传感器,执行详细的测绘和导航。在本文中,我们确定了新的技术来映射这些洞穴进行本地化,合作映射和导航。
2018-03-07 cs.RO
Coordinating Large-Scale Robot Networks with Motion and Communication Uncertainties for Logistics Applications
The Chinese University of Hong Kong(香港中文大学);Shanghai Jiao Tong University(上海交通大学)
本文针对机器人仓库和自动化物流系统中的任务分配、协作路径规划和运动协调问题进行了研究。特别是,我们解决了终身规划问题,并保证协调性能的大规模机器人网络中存在的机器人运动的不确定性和通信故障。提出了一种层次规划和协调结构。环境被划分为几个部门,并生成一个动态的交通热图来描述当前的部门级的交通流量。在任务规划层,采用贪婪任务分配方法,将当前任务分配给最近的空闲机器人,综合考虑机器人移动距离、交通热值分布和当前机器人/通信故障,生成扇区级路径。在运动协调层,在每个扇区内采用局部协作A* 算法生成扇区内各机器人的无碰撞道路级路径,并引入滚动规划结构解决运动和通信不确定性带来的问题。千余台机器人的大规模仿真和实验室实验验证了该方法的有效性和实用性。
2019-04-02 cs.RO
Look before you sweep: Visibility-aware motion planning
Massachusetts Institute of Technology(麻省理工学院)
本文讨论的问题规划的机器人与定向障碍物检测传感器,必须通过一个杂乱的环境。规划目标是通过为整个机器人(包括传感器)找到一条路径来保持安全,该路径保证机器人在被传感器看到之前不会移动到工作空间的任何部分。虽然大量的工作已经解决了这个问题的一个版本,其中的“视野”的传感器是一个球体周围的机器人,有很少的工作解决机器人与狭窄或闭塞的视野。我们给出了一个正式的定义的问题,几种解决方案的方法与不同的计算权衡,并在说明域的实验结果。
2019-01-18 cs.RO
A POMDP-based hierarchical planning framework for manipulation under pose uncertainty
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)
针对视觉受限环境下的位姿不确定性操作问题,提出基于POMDP的分层信念表示与闭环规划框架,利用3D体积空间与粒子集结合降低计算量,在真实世界实现93%成功率并显著提升解质量。
2024-09-27 cs.RO
Learning-guided Prioritized Planning for Lifelong Multi-Agent Path Finding in Warehouse Automation
Massachusetts Institute of Technology(麻省理工学院)
本文提出RL-RH-PP框架,结合强化学习与搜索规划,提升仓库自动化中多智能体路径寻找的效率与适应性。
2026-03-25 cs.AI cs.RO
Conformalized Reachable Sets for Obstacle Avoidance With Spheres
Robotics Institute, University of Michigan(密歇根大学机器人研究所)
提出CROWS,一种基于保形可达集的实时滚动时域轨迹规划器,通过离线学习基于球体的可达集表示并利用保形预测提供概率安全保证,在运行时生成概率无碰撞轨迹,在杂乱环境中优于现有方法。
2024-10-13 cs.RO
Time-optimal Convexified Reeds-Shepp Paths on a Sphere
Department of Mechanical Engineering, Texas A&M University(德克萨斯A&M大学机械工程系)
本文研究了在单位球面上具备前进和后退运动能力的凸化雷德斯-舍普车辆的时间最优路径规划问题,通过最大原理和相图分析,得出最优路径由最多六个段组成,包含紧转、大圆弧和原地转向三种运动原语,并给出了23种最优路径类型及其闭式段角。
2026-04-16 cs.RO cs.SY eess.SY
Parametrized motion planning and topological complexity
Queen Mary University of London(伦敦玛丽女王大学);The University of Chicago(芝加哥大学)
在本文中,我们研究的参数化运动规划算法,提供了通用的和灵活的解决方案,以不同的运动规划问题。这种算法旨在在各种外部条件下起作用,这些外部条件被视为参数并用作算法的输入的一部分。继续最近的一篇论文,我们进一步研究了参数化拓扑复杂性的概念。我们详细分析了在欧几里得空间中存在多个障碍物的情况下控制一群机器人的问题,这为我们提供了一个自然的激励例子。我们提出了一个显式参数化的运动规划算法,解决了任何数量的机器人和障碍物的运动规划问题。该算法是最优的,它对任意d个奇数具有最小可能的拓扑复杂度。此外,我们描述了一个修改的算法,这是最佳的d甚至。利用Stiefel-Whitney特征类分析了球丛的参数化拓扑复杂性.
2022-02-23 cs.RO math.AT
Decentralized Motion Planning with Collision Avoidance for a Team of UAVs under High Level Goals
KTH Royal Institute of Technology(瑞典皇家理工学院)
研究了在高水平目标下的空中智能体团队的运动规划问题。我们提出了一种混合控制策略,保证每个代理的本地目标规范,这是作为一个时间逻辑公式的完成,同时保证代理间的冲突避免。特别是,通过定义3-D领域,绑定代理的体积,我们扩展了以前的工作分散的导航功能,并提出控制律,导航代理之间的预定义区域的工作空间的兴趣,同时避免相互碰撞。这使我们能够抽象的代理有限转移系统的运动,并通过采用标准的形式化验证技术,得到一个高层次的控制算法,满足代理的规格。仿真和四旋翼实验结果验证了该方法的有效性。
2016-10-04 cs.RO
Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot
University of California, Berkeley(加州大学伯克利分校);Université de Montréal(蒙特利尔大学);Mila(米拉人工智能研究院)
我们解决的问题,使四足机器人在现实世界中使用强化学习执行精确的射击技能。开发算法使足式机器人能够将足球射到给定目标是一个具有挑战性的问题,它将机器人运动控制和规划结合到一个任务中。为了解决这一问题,在对动态足式机器人进行控制时,需要考虑动力学约束和运动稳定性。此外,我们需要考虑运动规划,以拍摄难以建模的变形球在地面上滚动与不确定的摩擦到期望的位置。在本文中,我们提出了一个层次化的框架,利用深度强化学习来训练(a)一个鲁棒的运动控制策略,可以跟踪任意运动和(b)一个规划策略,以决定所需的踢球运动,将足球射到目标。我们部署的A1四足机器人,使它能够准确地拍摄球随机目标在现实世界中提出的框架。
2022-08-01 cs.AI cs.RO cs.SY
Traversability-Aware Cooperative Path Planning for Human-UGV Casualty Evacuation
University at Buffalo(布法罗大学)
针对人类-UGV伤员疏散,提出可通行性感知协同路径规划,通过优化切换点利用互补通行能力,平均任务时间较基线降低5.3%,能耗降低17.8%。
2026-10-06 cs.HC cs.RO
Safe Path Planning and Observation Quality Enhancement Strategy for Unmanned Aerial Vehicles in Water Quality Monitoring Tasks
University of Electronic Science and Technology of China(电子科技大学);North China University of Technology(华北理工大学)
本文提出一种动态光照阴影干扰避障路径规划方法,通过动态预测模型和改进的IFDS算法,结合MPC框架和DFAA机制,提升无人机在复杂光照环境下的观测质量和飞行安全性。
2025-12-24 cs.AI cs.RO cs.SY
Optimal Trajectory Planning for Orbital Robot Rendezvous and Docking
Space Robotics Lab. (SRL) in the Department of Aerospace Engineering, Graduate School of Engineering, Tohoku University(空间机器人实验室(SRL)位于工程研究生院航空航天工程系,东北大学)
本文提出基于非线性优化的轨迹规划方法,用于安全接近并引导旋转碎片目标进入机械臂工作空间,为后续捕获提供基础。
2025-12-26 cs.RO cs.SY eess.SY
Kinematics of Spherical Robots Rolling Over 3D Terrains
Lamar University(拉马尔大学)
虽然球形机器人在平面和倾斜平面上的运动学和动力学已经得到了深入的研究,但其在一般三维地形上的滚动行为尚未得到研究。本文推导了最常见的SR构型在三维曲面上滚动的运动学方程。首先,几何球在三维表面上滚动的运动学方程的推导以及建模方法的表征。接下来,简要回顾了当前SR机械配置,以及一个新的分类球形机器人的运动学的基础上。然后,考虑每一类球形机器人的力学约束,给出了每组球形机器人的运动学方程。之后,路径跟踪方法用于期望的3D轨迹。最后,仿真验证了所建立的模型和所提出的控制方案的有效性。
2019-08-01 cs.RO
Robotic Contact Juggling
Northwestern University(西北大学);Northwestern Institute on Complex Systems(西北复杂系统研究所)
我们将“机器人接触杂耍”定义为有目的地控制三维光滑物体的运动,因为它在运动控制的机器人操纵器或“手”上自由滚动。“虽然之前已经研究了机器人接触杂耍的具体例子,但在本文中,我们为任意光滑手上单点滚动接触的任意光滑物体的情况提供了第一个通用公式和求解方法。我们的公式将问题分为四个子问题:(1)推导二阶滚动运动学;(2)推导三维滚动动力学;(3)规划满足滚动动力学的滚动运动;(4)规划滚动轨迹的反馈稳定。仿真和实验结果表明,从高速视觉系统的反馈的理论结果。
2023-02-24 cs.RO
Humanoid Loco-manipulation Planning based on Graph Search and Reachability Maps
CNRS-AIST JRL (Joint Robotics Laboratory)(CNRS-AIST联合机器人实验室);IRL(机器人研究所);National Institute of Advanced Industrial Science and Technology (AIST)(国家先进工业科学与技术研究院)
提出一种基于图搜索和可达性地图的人形机器人移动操作规划方法,将脚步与抓取的交替排序构建为图搜索问题,并通过重新定位和切换可达性地图快速评估转移模型,实现自主物体运输与操作。
2025-05-29 cs.RO
Keep Rollin' - Whole-Body Motion Control and Planning for Wheeled Quadrupedal Robots
ETH Zürich(苏黎世联邦理工学院)
我们展示了轮式四足机器人的动态运动策略,它结合了步行和驾驶的优点。所开发的优化框架紧密集成了由车轮引入的额外自由度。我们的方法依赖于基于零矩点的运动优化,不断更新参考轨迹。参考运动由一个分层的全身控制器来跟踪,该控制器通过求解包括非完整滚动约束在内的一系列优先任务来计算最佳广义加速度和接触力。我们的方法已经在ANYmal上进行了测试,ANYmal是一种四足机器人,它是完全扭矩控制的,包括连接到腿上的非转向轮。我们在平坦和倾斜的地形以及台阶上进行了实验,由此我们表明,将车轮集成到运动控制和规划框架中会产生直观的运动轨迹,与其他轮式足式机器人相比,这使得运动更加稳健和动态。此外,以4 m/s的速度和降低83%的运输成本,我们证明了轮式足式机器人与腿式机器人相比的优越性。
2019-02-07 cs.RO