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
A Survey of Recent Developments in Collision Avoidance, Collision Warning and Inter-Vehicle Communication Systems
Istanbul Technical University(伊斯坦布尔理工大学)
本文介绍了船舶避碰和碰撞警告(CA、CW)系统的研究现状。交通事故是由于驾驶员的失误或驾驶员无法预料的情况造成的。CA、CW系统是为了减少交通事故和拯救人们的生命而开发的,它通过警告驾驶员或在驾驶员不能足够快地反应时采取补偿行动来减少交通事故。除了这些举措,本文还从经济角度解释了CA、CW驾驶辅助系统的重要性。在世界各地已完成和正在进行的项目的背景下调查技术发展。CA,CW系统算法的性能指标,如可靠性和严格性进行了讨论。本文还介绍了车辆间通信系统(IVC)的信息,这将是未来CA,CW系统的关键组成部分。
2020-12-23 cs.RO
LSwarm: Efficient Collision Avoidance for Large Swarms with Coverage Constraints in Complex Urban Scenes
在本文中,我们解决的问题,避免碰撞的一群无人机用于连续监视城市环境。我们的方法,LSwarm,有效地避免碰撞静态障碍物,动态障碍物和其他代理在3-D城市环境中,同时考虑覆盖范围的限制。LSwarm计算避免碰撞的速度,(i)最大化代理与全局覆盖策略给出的最佳路径的一致性,以及(ii)确保每个代理收集的覆盖数据的足够分辨率。我们的算法是制定基于ORCA(最佳互惠碰撞避免),是可扩展的相对于群体的大小。我们评估LSwarm在复杂城市模型中四旋翼飞行器群的真实模拟中的覆盖性能。在实践中,我们的方法可以计算碰撞避免速度的几十到几百个代理组成的群体在几毫秒内密集的城市场景,包括几十个建筑物。
2019-05-26 cs.RO
A Novel Collision Detection and Avoidance system for Midvehicle using Offset-based Curvilinear Motion
Sri Shakthi Institute of Engineering and Technology(斯里沙克蒂工程技术学院);TKM College of Engineering(TKM工程学院);P.S.R. Engineering College(P.S.R.工程学院)
在密集的交通和高速的道路条件下,由于前车和后车驾驶员的注意力分散,是导致车中碰撞的主要原因。鉴于这种情况下,碰撞检测和碰撞避免算法被称为中间车辆碰撞检测和避免系统(MCDAS),提出了避免在主机车辆两端可能发生的碰撞。具体地,基于恒定速度(CV)模型的方法解决了两种场景,第一种场景包括两个子场景,即,a)在没有前端车辆的情况下加速主车辆的后端碰撞避免机制和b)基于前部和主车辆偏移(位置)的弯道运动,而另一种场景处理平行停车问题。宿主车辆基于偏移的曲线运动在避免来自前端车辆的威胁中起着至关重要的作用。主车辆在考虑可能的CV的情况下实现左侧和右侧的期望曲线策略,以避免两端碰撞。在该方法中,路径约束适用于具有所需方向的两个场景。MCDAS覆盖车辆运动学的Monte Carlo分析表明,急性歧视与一致的性能验证的碰撞模拟与实时数据。
2021-02-01 cs.RO
Simultaneous Control and Trajectory Estimation for Collision Avoidance of Autonomous Robotic Spacecraft Systems
Georgia Institute of Technology(佐治亚理工学院)
我们提出了因子图优化的同时规划,控制和轨迹估计的无碰撞导航的自主系统在移动物体的环境中。提出的在线概率运动规划和轨迹估计导航技术生成最佳的无碰撞状态和控制轨迹的自主车辆时,障碍物运动模型是未知的和已知的。我们评估该算法的实用性,以支持未来的自主机器人空间任务。
2022-04-28 cs.RO
Informed Sampling-based Collision Avoidance with Least Deviation from the Nominal Path
Technical University of Denmark(丹麦技术大学)
针对$n$维系统的局部路径重规划问题,提出了一种信息采样方案和代价函数,以实现对最优标称路径的最小偏差的碰撞避免,所提出的信息子集由沿指定标称路径的椭球的并集组成,使得该子集有效地封装了沿标称路径的所有点。成本函数惩罚与标称路径的大偏差,从而确保当前的安全,在面对潜在的碰撞,同时保留大部分的整体效率的标称路径。所提出的方法被证明在有关的自主海洋船舶导航的情况下。
2022-10-24 cs.RO
Humanoid Self-Collision Avoidance Using Whole-Body Control with Control Barrier Functions
Massachusetts Institute of Technology(麻省理工学院)
这项工作结合了控制障碍功能(CBF)与全身控制器,使自我碰撞避免麻省理工学院的人形。现有的反应控制器的自碰撞避免不能保证无碰撞的轨迹,因为它们不利用机器人的全部动力学,从而损害运动学的可行性。相比之下,所提出的CBF-WBC控制器可以实时推理机器人的欠驱动动力学,以保证无碰撞运动。仿真结果验证了该方法的有效性。首先,一个简单的伸手实验表明,CBF-WBC使机器人的手偏离一个不可行的参考轨迹,以避免自碰撞。第二,CBF-WBC与设计用于动态运动的线性模型预测控制器(LMPC)相结合,并且CBF-WBC用于跟踪LMPC预测。步行实验表明,添加CBF避免腿部自碰撞时,由高层次的规划器提供的脚步位置或摆动轨迹是不可行的真实机器人,并产生可行的手臂运动,提高干扰恢复。
2022-11-06 cs.RO
3-D Reciprocal Collision Avoidance on Physical Quadrotor Helicopters with On-Board Sensing for Relative Positioning
University of Utah(犹他大学)
在本文中,我们提出了一种实现的3-D互惠碰撞避免真正的四旋翼直升机,每个四旋翼的相对位置和速度的传感器使用机载摄像头的其他四旋翼。我们表明,使用我们的方法,四旋翼能够成功地避免成对碰撞GPS和运动捕捉否认的环境中,没有四旋翼之间的通信,甚至当人类操作员故意试图诱导碰撞。据我们所知,这是第一次,互惠碰撞避免已成功地实现了真正的机器人,每个代理独立地观察其他使用板载传感器。我们从理论上分析了碰撞避免算法的响应违反的假设,通过使用真实的机器人。我们对实验结果进行了定量分析。一个特别引人注目的观察是,有时四旋翼表现出“相互舞蹈”的行为,这也是观察到当人类在约束环境中移动通过对方。这似乎是感知不确定性的结果,这导致涉及的两个机器人对相对位置和速度有不同的信念,因此,选择通过同一侧。
2014-11-14 cs.RO
Quadcopter Trajectory Time Minimization and Robust Collision Avoidance via Optimal Time Allocation
Carnegie Mellon University(卡内基梅隆大学)
本文提出ROTA框架,通过构建并求解非凸优化问题,在考虑感知与控制不确定性下最小化轨迹执行时间并实现鲁棒避障,提升四旋翼导航的时间效率与安全性。
2023-09-15 cs.RO
CollisionIK: A Per-Instant Pose Optimization Method for Generating Robot Motions with Environment Collision Avoidance
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
在这项工作中,我们提出了一个即时的姿势优化方法,可以生成配置,实现指定的姿势或运动目标,尽可能最好的解决方案的序列,同时也避免与静态或动态的障碍物在环境中的碰撞。我们投我们的方法作为一个多目标,非线性约束优化为基础的IK问题,在目标函数中的每一项编码一个特定的姿势目标。我们演示了如何有效地将环境碰撞避免作为一个单一的长期在这个多目标,基于优化的IK结构,并提供解决方案,如何在空间上表示和组织外部环境,使数据可以有效地传递到一个实时的,性能关键的优化循环。我们证明了我们的方法的有效性,通过比较它的各种国家的最先进的方法在模拟实验的测试平台,并讨论我们的工作的基础上,我们的结果的影响。
2021-02-25 cs.RO
A hierarchical framework for collision avoidance in robot-assisted minimally invasive surgery
Nagoya University(名古屋大学);Institutes of Innovation for Future Society, Nagoya University(名古屋大学未来社会创新研究所)
针对机器人辅助微创手术动态杂乱环境下的安全避障难题,提出一种整合多任务约束的分层框架,采用HQP管理约束并实现任务优先级平滑切换,经仿真验证在多类避障场景中具备鲁棒性与有效性。
2024-09-16 cs.RO
Collision avoidance for multiple MAVs using fast centralized NMPC
Luleå University of Technology(吕勒奥理工大学)
提出了一种基于集中式非线性模型预测控制(CNMPC)的多微型飞行器(MAV)控制结构。控制体系结构使用一个增强的状态系统来控制多个代理,并执行障碍物和碰撞避免。所使用的优化算法是OpEn,其基于用于最优控制的近似平均牛顿型方法(PANOC),该方法为非凸优化问题提供快速收敛。目标是执行位置参考跟踪每个单独的代理,而非线性约束保证避免碰撞和平滑的控制信号。为了产生满足所有约束的轨迹,将惩罚方法应用于非线性约束。通过仿真结果和比较,在计算时间和违反约束方面,成功地证明了这种新的控制方案的有效性,同时提供相对于代理的数量。
2021-09-02 cs.RO
DCAD: Decentralized Collision Avoidance with Dynamics Constraints for Agile Quadrotor Swarms
University of Maryland, College Park(马里兰大学帕克分校)
我们提出了一种新的,分散的避碰算法,用于在密集的环境中导航的四旋翼机群与静态和动态的障碍物。我们的算法依赖于最优相互碰撞避免(ORCA)的概念,并利用基于平坦度的模型预测控制(MPC)来生成每个四旋翼的局部无碰撞轨迹。我们前馈线性化的非线性动力学的四旋翼,并随后在我们的MPC框架中使用这个线性化的模型。我们的方法是下洗意识和计算安全的轨迹,避免四旋翼进入对方的下洗区域在近距离机动。此外,我们占的不确定性感测的位置和速度数据使用卡尔曼滤波。我们评估我们的算法与其他国家的最先进的方法的性能,并证明其优越的性能,在高速机动过程中产生的轨迹的平滑度和碰撞的概率较低。
2019-12-02 cs.RO
Adaptive Environment Modeling Based Reinforcement Learning for Collision Avoidance in Complex Scenes
Harbin Institute of Technology(哈尔滨工业大学);Southern University of Science and Technology(南方科技大学);The University of Hongkong(香港大学)
拥挤场景中机器人导航避碰的主要挑战在于准确的环境建模、快速感知和可靠的运动规划策略。本文提出了一种新的基于自适应环境模型的避碰强化学习(即,AEMCARL)框架的无人驾驶机器人,以实现无碰撞运动在具有挑战性的导航方案。这项工作的新颖性有三个方面:(1)开发用于环境建模的门控循环单元(GRU)分层网络;(2)开发具有注意力模块的自适应感知机制;(3)开发强化学习(RL)框架的自适应奖励函数,以联合训练环境模型、感知功能和运动规划策略。所提出的方法进行了测试与健身房露台模拟器和一组机器人(哈士奇和海龟)在各种拥挤的场景。仿真和实验结果表明,该方法优于基线方法的性能。
2022-10-27 cs.RO
Tether-Aware Dynamic Collision Avoidance for USV-HROV Systems
Zhejiang University(浙江大学)
针对USV跟踪HROV时水下系缆与过往船只刮擦及系缆绷紧风险,提出一种系缆感知的动态避碰方法,通过引入系缆安全感知平面域和系缆绷紧感知速度障碍法,实现安全避碰并降低系缆绷紧可能性。
2026-05-31 cs.RO
Utilizing the RRT*-Algorithm for Collision Avoidance in UAV Photogrammetry Missions
Technische Universität Braunschweig(布伦瑞克工业大学)
本文介绍了快速探索随机树星(RRT*)算法在摄影测量任务中的多旋翼机避碰中的应用。为了更好的适用性,所提出的算法重定向到一个预定义的任务的path. The实验中进行的仿真软件gazebo利用ROS接口,广为人知的自动驾驶仪软件PX4。对于障碍物检测,使用模拟的Intel D435立体摄像机。实验包括两种不同的场景,每种场景都以两种不同的最大速度进行。结果表明,概率RRT*-算法可以成功地避开障碍物,即使在速度高达6米/秒。主要问题在于多旋翼飞行器的动态特性、惯性以及传感器技术的局限性。
2021-08-09 cs.RO
Reward Function Optimization of a Deep Reinforcement Learning Collision Avoidance System
MIT Lincoln Laboratory(麻省理工学院林肯实验室)
无人驾驶飞机系统(UAS)的激增使得空域管理当局检查这些飞机与最初为大型运输类飞机设计的防撞系统的互操作性。目前授权的TCAS的局限性导致联邦航空管理局委托开发一种新的解决方案,即机载防撞系统X(ACAS X),旨在为包括UAS在内的多个飞机平台提供防撞能力。虽然先前的研究探索使用深度强化学习算法(DRL)来避免碰撞,但DRL的性能不如现有的解决方案。这项工作探讨了使用DRL防撞系统的参数使用代理优化器进行调整的好处。我们表明,使用代理优化器导致DRL的方法,可以提高安全性和运营可行性,并支持未来的能力发展无人机防撞。
2022-12-01 cs.AI cs.RO
Robust Policy Learning for Multi-UAV Collision Avoidance with Causal Feature Selection
College of Engineering, Shantou University(汕头大学工程学院);School of Computer Science, Guangdong University of Technology(广东工业大学计算机学院);University of Electronic Science and Technology of China(电子科技大学);International Cooperation Base of Evolutionary Intelligence and Robotics(进化智能与机器人国际合作基地)
针对深度强化学习的无人机避碰导航方法泛化性差的问题,提出可集成到策略网络的因果特征选择模块,过滤非因果因素以降低虚假关联影响,在未知场景下实现了更优的鲁棒避碰性能。
2024-07-15 cs.RO
A Scalable Distributed Collision Avoidance Scheme for Multi-agent UAV systems
Luleå University of Technology(吕勒奥理工大学)
提出了一种基于非线性模型预测控制(NMPC)的多智能体无人机(UAV)分布式避碰方案,将系统中的其他智能体视为相对于自我智能体的动态障碍物。我们的控制方案在低级别运行,并以高频率命令滚转、俯仰和推力信号,每个代理将其预测轨迹广播给其他代理,并且我们提出了一个基于共享轨迹的障碍物优先级排序方案,以允许升级系统。NMPC问题的解决使用一个ad hoc求解器,其中PANOC与增广拉格朗日方法相结合,计算无碰撞轨迹。我们评估所提出的计划在几个具有挑战性的实验室实验中,多达10个空中代理,在密集的空中蜂群。
2021-04-08 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
VPH+ and MPC Combined Collision Avoidance for Unmanned Ground Vehicle in Unknown Environment
Beijing Institute of Technology(北京理工大学)
在许多情况下,无人驾驶地面车辆只能在环境的部分可观测性下工作。因此,一个可行的非完整避障和目标跟踪行动必须立即产生的实时感知信息的基础上。本文提出了一种鲁棒的VPH+(增强矢量极坐标直方图)和MPC(模型预测控制)的集成方法。VPH+用于计算其环境感知能力和计算效率的期望方向,而MPC则用于执行约束模型预测轨迹生成。这种方法可以在无功控制器中实现。在VREP中进行了仿真实验,以验证所提出的方法。
2018-05-21 cs.RO
Multi-Robot Localization and Target Tracking with Connectivity Maintenance and Collision Avoidance
University of Pennsylvania(宾夕法尼亚大学);Drexel University(德雷塞尔大学)
我们研究的问题,需要一个团队的机器人执行关节定位和目标跟踪任务,同时确保团队的连接和避免碰撞。该问题可以形式化为非线性、非凸优化程序,这通常很难解决。为此,我们设计了一个两阶段的方法,利用贪心算法来优化联合定位和目标跟踪性能,并应用控制障碍函数来确保安全约束,即,保持机器人团队的连通性并防止机器人之间的碰撞。仿真实验验证了该方法的有效性。我们进一步比较我们的贪心算法的非线性优化求解器和随机算法,在联合定位和跟踪质量以及计算时间。实验结果表明,我们的贪心算法实现了较高的任务质量和运行效率。
2022-10-10 cs.RO
AVOCADO: Adaptive Optimal Collision Avoidance driven by Opinion
DIIS - I3A, Universidad de Zaragoza(萨拉戈萨大学 DIIS - I3A)
提出AVOCADO导航方法,通过非线性观点动力学自适应未知合作程度的智能体,解决全向机器人避障与对称场景死锁问题,在仿真与真实实验中表现优异。
2025-04-01 cs.RO
Whole-body Dynamic Collision Avoidance with Time-varying Control Barrier Functions
Zhejiang University(浙江大学)
本文提出一种基于机器人中心欧几里得符号距离场构造时变控制屏障函数的安全关键控制器,结合控制李雅普诺夫函数并转化为二次规划问题,实现 L 形机器人全身动态避障。
2023-11-30 cs.RO
Improvement of Collision Avoidance in Cut-In Maneuvers Using Time-to-Collision Metrics
Al Qasemi Academic College(卡西米学术学院)
本文提出利用碰撞时间指标改进自动驾驶车辆在切入 maneuver 中的避撞性能,通过深度学习与TTC计算相结合,预测碰撞并确定避让动作。
2025-11-26 cs.AI cs.RO
Reactive Collision Avoidance for Safe Agile Navigation
New York University(纽约大学)
本文提出一种仅依赖机载感知与计算的统一反应式框架,将非线性模型预测控制与自适应控制屏障函数结合,利用神经网络细化RGB-D数据并动态调整约束,在四旋翼飞行器上实现了无需环境调参和显式建图的安全敏捷避障。
2025-06-05 cs.RO
N-MPC for Deep Neural Network-Based Collision Avoidance exploiting Depth Images
Norwegian University of Science and Technology (NTNU)(挪威科技大学)
本文提出一种将深度神经网络碰撞分类器转化为代数约束并嵌入N-MPC的框架,利用机载深度图像实现无人机在杂乱环境中100Hz实时避障,并通过仿真与真实实验验证其有效性。
2024-02-20 cs.RO
Learning Communication-Conditioned Generative Policies for Decentralized Multi-Agent Collision Avoidance
Cornell University(康奈尔大学)
提出分散式通信条件生成框架,利用流匹配策略从离线演示学习,通过潜在消息协调多智能体碰撞避免,实现接近专家性能并泛化至密集场景和真实机器人。
2026-09-15 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
Collision Risk and Operational Impact of Speed Change Advisories as Aircraft Collision Avoidance Maneuvers
MIT Lincoln Laboratory(麻省理工学院林肯实验室)
飞机防撞系统长期以来一直是保持我们空域安全的关键因素。在过去的十年中,FAA支持了一系列新的防撞系统的开发,称为机载防撞系统X(ACAS X),它将防撞问题建模为马尔可夫决策过程(MDP)。ACAS X的变体已针对有人驾驶飞机(ACAS XA)和无人驾驶飞机(ACAS Xu和ACAS sXu)创建。这些变体的主要区别在于它们发出的避碰机动的类型。例如,ACAS Xa发出垂直防撞指令,而ACAS Xu和ACAS sXu由于飞机性能降低而允许水平防撞指令。目前,ACAS X的一种新变体,称为ACAS Xr,正在开发中,为旋翼机和先进空中机动性(AAM)车辆提供防撞能力。由于希望最大限度地减少这些飞机与规定飞行路径的偏差,因此建议将速度调整作为使用ACAS Xr的飞机的潜在防撞机动。在这项工作中,我们调查的影响,速度变化的避碰系统的安全性和运行效率。我们开发了一个基于MDP的防撞逻辑问题的速度questionsories和比较其性能的水平和垂直的逻辑,通过蒙特卡洛模拟现有的空域相遇模型。我们的研究结果表明,虽然速度控制系统能够降低碰撞风险,但它们既不像水平和垂直方向的控制系统那样安全,也不像水平和垂直方向的控制系统那样有效。
2022-04-29 cs.RO cs.SY eess.SY
Deadlock-Free Collision Avoidance for Nonholonomic Robots
Megvii Automation & Robotics(旷视自动化与机器人)
本文提出一种基于二次规划和掩蔽协作碰撞避免算法的非完整多机器人无死锁导航方法,通过掩蔽速度和航向振荡避免实现稳定避碰,适用于大量机器人和狭窄通道场景。
2023-05-08 cs.MA cs.RO
Autonomous Vision-based UAV Landing with Collision Avoidance using Deep Learning
York University(约克大学)
当多架无人机在同一平台上同时着陆而没有通信时,存在碰撞的风险。该工作实现了基于视觉的自主着陆,并在着陆过程中使用基于深度学习的方法来实现避碰。
2021-09-17 cs.CV cs.LG cs.RO
Fast Reciprocal Collision Avoidance Under Measurement Uncertainty
提出了一种基于凸优化的全分布式移动机器人避碰算法。该方法解决了实际情况下,代理通过测量噪声的车载传感器,没有代理间的通信。在一些温和的条件下,我们提供了一个广泛的类的政策,包括一个相互避免碰撞的保证。此外,我们提供了计算性能的数值示例,并表明在2D和3D模拟中,所有代理都避免彼此并达到其期望的目标,尽管他们对其他代理的位置存在不确定性。
2019-05-31 cs.RO math.OC
End to end collision avoidance based on optical flow and neural networks
University of Bremen(不来梅大学)
光流被认为在鸟类和昆虫的敏捷飞行中起着重要作用。尽管这是一个非常简单的概念,但它很少用于计算机视觉中的避碰。这项工作实现了一个神经网络为基础的碰撞避免部署和评估,仅为此目的改装的汽车。
2019-11-06 cs.CV cs.LG 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
A Hierarchical Collision Avoidance Architecture for Multiple Fixed-Wing UAVs in an Integrated Airspace
National University of Defense Technology(国防科技大学)
研究了多固定翼无人机自主飞行在复杂空域中的避碰问题。通过研究并结合在线路径规划方法、分布式模型预测控制算法和几何反作用控制方法,针对多固定翼无人机采用单一运动学模型,在输入约束条件下,建立了一个集冲突检测和解决于一体的三层避碰系统。所提出的方法的有效性进行了评估和验证,通过测试结果的比较模拟确定性和概率感测条件下。
2020-05-29 cs.MA cs.RO
An LGMD Based Competitive Collision Avoidance Strategy for UAV
University of Lincoln(林肯大学);Lingnan Normal University(岭南师范学院);Guangzhou University(广州大学)
建立一个可靠、高效的无人机防撞系统仍然是一个具有挑战性的问题。这项研究的灵感来自蝗虫,蝗虫可以密集地飞行数百英里而不会发生碰撞。蝗虫脑中的LGMD-DCMD(lobula giant motion detector and declining contra-lateral motion detector)视觉通路是引导蝗虫快速避碰的碰撞感知系统,是设计人工视觉系统的理想途径。然而,很少有研究其在现实世界的无人机应用的潜力。提出了一种基于LGMD的无人机室内导航竞争避碰方法。与以前的作品相比,我们将无人机的视野分为四个子域,每个子域由一个LGMD神经元处理。因此,四个单独的竞争LGMD(C-LGMD)竞争引导无人机的定向避碰。与地面机器人和车辆相比,UAV具有更多的自由度,可以沿着四个基本方向逃避碰撞(例如,从左侧接近的物体触发UAV的横向移位)。我们所提出的方法已经通过仿真和实时四轴飞行器竞技场实验进行了验证。
2019-04-15 cs.NE cs.RO
Learning Hyperplanes for Multi-Agent Collision Avoidance in Space
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种基于旋转超平面约束的博弈论方法解决太空多机器人碰撞避免问题,通过从专家轨迹中学习超平面参数,并在噪声数据下验证其泛化性至更多机器人和新初始条件。
2023-11-15 cs.MA cs.RO
Optimizing Collision Avoidance in Dense Airspace using Deep Reinforcement Learning
Stanford University(斯坦福大学);Airbus UTM(空客UTM)
随着交通密度的增加,需要新的方法来确保空域保持安全和高效,以适应新的无人驾驶操作。本文探讨了无人驾驶自由飞行交通如何在密集的空域中运行。我们开发和分析了在密集空域中运行的飞机的自主防撞系统,传统的防撞系统失败。我们提出了一个度量的决策负担量化的防撞系统,以及度量的防撞系统对空域的影响。我们使用深度强化学习来计算现有防撞方法的修正,以解决密集空域的问题。结果表明,修正后的防撞系统可以在密集空域中比传统方法更有效地运行,同时保持高水平的安全性。
2019-12-20 cs.AI cs.LG cs.RO
Reachable Set Approach to Collision Avoidance for UAVs
University of Maryland(马里兰大学)
本文提出基于可达集的无人机避撞算法,通过凸优化求解控制约束集,解决多无人机避撞问题。
2016-09-26 cs.RO cs.SY eess.SY
An Automatic Ground Collision Avoidance System with Reinforcement Learning
本文提出一种基于人工智能的自动地面避障系统,旨在提升先进喷气式教练机的操作效能,通过有限观测空间内的避障设计提升安全性和操作能力。
2026-04-27 cs.LG cs.RO
Collision avoidance and path finding in a robotic mobile fulfillment system using multi-objective meta-heuristics
Department of Industrial Engineering, Clemson University(工业工程系,克莱姆森大学)
针对多智能体路径规划中AGV避障与任务分配问题,提出兼顾能耗与行驶时间的避障策略及两种多目标优化算法,性能优于现有方法。
2025-10-29 cs.RO math.OC
Leveraging Distributional Bias for Reactive Collision Avoidance under Uncertainty: A Kernel Embedding Approach
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);University of Tartu(塔尔图大学)
许多测量机器人和动态障碍物状态的商品传感器具有非高斯噪声特性。然而,目前的许多方法将运动和感知中的潜在不确定性视为高斯,主要是为了确保计算的易处理性。另一方面,现有的规划人员与非高斯不确定性工作不阐明利用运动和感知噪声的分布特性,如有效避免碰撞的偏见。本文填补了这一空白解释反应避碰之间的碰撞约束违反和狄拉克三角洲分布的分布匹配问题。为了确保规划器的快速反应,我们将每个分布嵌入到再生核希尔伯特空间中,并将分布匹配重新表述为最小化两个分布之间的最大均值离散度(MMD)。我们表明,评估MMD为一个给定的控制输入归结为矩阵矩阵产品。我们利用这一洞察力,开发一个简单的控制采样方法的反应碰撞避免动态和不确定的障碍。我们在两个方面推进最先进的技术。首先,我们进行了广泛的实证研究,以表明我们的规划者可以从样本级信息中推断分布偏差。因此,它使用这种洞察力来引导机器人达到良好的同伦。我们还强调了潜在的不确定性的高斯近似如何失去偏差估计,并引导机器人到具有高碰撞概率的不利状态。其次,我们展示了有形的比较优势,建议的分布匹配方法与以前的非参数和高斯近似的反应性碰撞避免方法的碰撞避免。
2022-09-22 cs.RO math.OC
Optimization Based Collision Avoidance for Multi-Agent DynamicalSystems in Goal Reaching Task
Indian Institute of Technology Kharagpur(印度理工学院卡拉格普尔分校)
本文提出了一种基于分布式MPC的方法来解决多智能体点到点的过渡问题,并基于优化的碰撞避免。制定的问题,动机的工作,避免碰撞的多智能体系统和动态障碍。通过对公式的修改,将问题转化为具有可分离目标和耦合约束的分布式问题。该问题被划分为局部子问题,并使用交替方向乘法(ADMM)应用于增广的局部lagrangian objectives.This工作的目的是了解多智能体点到点的过渡问题的扩展优化为基础的碰撞避免和分析方面的计算时间,可靠性和最优性的解决方案。
2021-08-03 cs.RO cs.SY eess.SY
Autonomy for Ferries and Harbour Buses: a Collision Avoidance Perspective
Technical University of Denmark(丹麦技术大学)
本文以丹麦首艘自主港口巴士 Greenhopper 为对象,介绍其 Short Horizon Planner 避碰防搁浅方案及符合 COLREGs 的自主技术栈,并通过全栈仿真验证其安全避碰能力。
2023-04-20 cs.RO cs.SY eess.SY
Cellular Formation Maintenance and Collision Avoidance Using Centroid-Based Point Set Registration in a Swarm of Drones
University of Turku(图尔库大学);Connected Shopping Ltd(Connected Shopping 有限公司);King Faisal University(费萨尔国王大学)
这项工作的重点是低能量的碰撞避免和编队保持自主成群的无人机。在这里,两个主要问题是:1)如何通过暂时破坏编队来避免碰撞,即,避免碰撞的重组,以及2)如何进行这种重组,同时最小化偏差,从而最小化无人机的总时间和能量消耗。为了解决第一个问题,我们使用基于元胞自动机的技术来找到一个有效的形成,避免障碍,同时最大限度地减少时间和能量。关于第二个问题,一个接近最佳的改革成功避免碰撞后的群体是通过应用温度函数降低技术,最初用于点集注册过程中实现的。重组过程的目标是去除干扰,同时最小化群到达目的地所需的总时间,从而减少该操作所需的能量消耗。受经典力学中质心概念的启发,利用群编队质心的偏差来衡量避碰对编队扰动的程度。实验结果表明,所提出的技术的效率,在性能和能源方面。
2021-03-03 cs.MA cs.RO
Collision Avoidance Detour for Multi-Agent Trajectory Forecasting
Carnegie Mellon University(卡内基梅隆大学)
提出碰撞规避绕行(CAD)方法,通过划分对象集合并使用不同运动模型独立预测轨迹,结合重采样、噪声和航向估计,在2023年Waymo挑战赛中获得第三名。
2023-06-20 cs.CV cs.RO
Aircraft Collision Avoidance Systems: Technological Challenges and Solutions on the Path to Regulatory Acceptance
Stanford University(斯坦福大学);Massachusetts Institute of Technology(麻省理工学院)
本文综述飞机防撞系统的技术挑战与解决方案,重点介绍通过严格验证并获监管接受的方案,为安全关键系统提供借鉴。
2025-10-23 cs.AI cs.RO cs.SY
Reciprocal Collision Avoidance for General Nonlinear Agents using Reinforcement Learning
The Ohio State University(俄亥俄州立大学);The University of Hong Kong(香港大学);Southern University of Science and Technology(南方科技大学)
在分散的场景中,由于其他智能体的可用信息有限和复杂的动力学约束,为多个非线性智能体找到可行且无冲突的路径具有挑战性。本文提出了一种快速的多智能体碰撞避免算法,一般的非线性代理与连续的动作空间,其中每个代理只观察附近的代理的位置和速度。为了减少在线计算,我们首先分解的多智能体场景和解决两个代理碰撞避免问题,使用强化学习(RL)。当将训练的策略扩展到多智能体问题时,通过引入最优相互避碰(ORCA)作为线性约束来确保安全性,并且可以通过简单的凸优化来找到整体避碰动作。现有的大多数基于RL的多智能体碰撞避免算法依赖于对智能体速度的直接控制。在鲜明的对比,我们的方法是适用于一般的非线性代理。基于非线性自行车智能体模型的现实模拟进行了各种具有挑战性的情况下,表明所提出的方法在避免碰撞,拥塞和死锁与平滑的轨迹有竞争力的性能。
2020-03-03 cs.MA cs.RO cs.SY
Multi-Object Tracking for Collision Avoidance Using Multiple Cameras in Open RAN Networks
CTTC/CERCA
本文针对开放RAN网络中的车辆避撞问题,提出基于多摄像头分布式智能体与边缘服务融合的多目标检测跟踪方法,实现更真实的网络环境与轨迹预测。
2025-04-09 cs.LG cs.MA cs.RO
Interpretable UAV Collision Avoidance using Deep Reinforcement Learning
Iowa State University(爱荷华州立大学)
任何成功的自主飞行系统的重要组成部分是任务完成和避免碰撞。大多数深度学习算法在它们被训练的环境和条件下成功地执行这些方面。然而,当他们受到新的环境时,他们失败了。本文提出了一种自主多旋翼飞行算法,使用深度强化学习增强自注意力模型,可以有效地原因时,受到不同的输入。除了它们的推理能力,它们也是可解释的,使其能够在现实世界的条件下使用。我们已经在不同的天气条件和环境下测试了我们的算法,发现与传统的深度强化学习算法相比,它是鲁棒的。
2021-06-04 cs.LG cs.RO
Nearest-Neighbor-based Collision Avoidance for Quadrotors via Reinforcement Learning
Technische Universität Darmstadt(达姆施塔特工业大学)
碰撞避免算法是许多无人机应用的核心兴趣。特别是,分散的方法可能是在集中式通信在计算上变得禁止的情况下实现强大的无人机群解决方案的关键。在这项工作中,我们从椋鸟群(Sturnus vulgaris)中汲取生物学灵感,并将其应用于端到端学习分散式避碰。更具体地说,我们提出了一个新的,可扩展的观察模型仿生最近邻信息约束,导致快速学习和良好的碰撞避免行为。通过提出一种通用的强化学习方法,我们获得了一种基于端到端学习的方法,将碰撞避免与任意任务(如包收集和编队更改)相集成。为了验证这种方法的通用性,我们成功地应用我们的方法,通过运动模型的中等复杂性,建模的势头,但允许直接应用到现实世界的四旋翼与标准的PID控制器。与之前的工作相比,我们发现,在我们足够丰富的运动模型中,最近邻信息确实足以学习有效的碰撞避免行为。我们学习的策略在模拟中进行测试,随后转移到现实世界的无人机上,以验证其在现实世界中的适用性。
2022-02-18 cs.AI cs.LG cs.RO
GPS Denied IBVS-Based Navigation and Collision Avoidance of UAV Using a Low-Cost RGB Camera
Electrical and Computer Engineering Dept., National University of Singapore(新加坡国立大学电子与计算机工程系);National University of Singapore(新加坡国立大学)
本文提出一种仅依赖RGB相机和机载Jetson平台的IBVS框架,通过AI单目深度估计实现无路径规划的无人机导航与避障,并在GPS拒止环境下验证其有效性。
2025-09-22 cs.RO cs.SY eess.SY
Effective Virtual Reality Teleoperation of an Upper-body Humanoid with Modified Task Jacobians and Relaxed Barrier Functions for Self-Collision Avoidance
Apptronik Inc.(阿普特罗尼克公司)
提出一种通过修改任务雅可比矩阵和松弛屏障函数将VR跟踪器重定向至上半身人形机器人以实现无自碰撞遥操作的方法,并在Astro硬件上验证了其桌面操作能力。
2024-11-18 cs.LG cs.RO