Online Informative Path Planning for Active Classification on UAVs
ETH Zürich, Autonomous Systems Lab(苏黎世联邦理工学院)
针对精准农业中的杂草检测问题,提出了一种基于无人机的主动分类信息路径规划算法。我们使用占用网格对农田中杂草的存在进行建模,并根据信息理论目标生成计划,使无人机能够有效地收集数据。我们使用全局视点选择和进化优化的组合来细化无人机在连续空间中的轨迹,同时满足动态约束。我们验证我们的方法在模拟与标准的“割草机”的覆盖范围进行比较,并研究不同的目标和优化策略的影响。我们计划在不久的将来在一个真实的平台上评估我们的算法。
2016-07-13 cs.RO
Online Informative Path Planning for Active Classification Using UAVs
ETH Zürich(苏黎世联邦理工学院)
在本文中,我们介绍了一个信息化的路径规划(IPP)框架,使用无人机(UAV)的主动分类。我们的算法使用全局视点选择和进化优化的组合,以改善规划的轨迹在连续的三维空间,同时满足动态约束。我们的方法进行了评估的应用杂草检测精准农业。我们使用占用网格对农田中杂草的存在进行建模,并根据信息理论目标生成自适应计划,使无人机能够有效地收集数据。我们通过与现有方法的比较来验证我们的方法,并研究不同规划策略的效果。我们的研究结果表明,该算法建立的地图与传统的“割草机”覆盖率相比,在相同的时间内,熵降低了50%以上。我们展示了规划方案的多旋翼平台与不同的人工农田设置。
2016-09-27 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
Hybrid Systems Differential Dynamic Programming for Whole-Body Motion Planning of Legged Robots
University of Notre Dame(圣母大学)
提出了一种基于状态切换的混杂系统轨迹优化的微分动态规划框架。建议的混合系统DDP(HS-DDP)的方法被认为是应用到全身运动规划与足式机器人。具体来说,HS-DDP结合了三个算法的进步:一个影响感知DDP步骤解决的影响事件在腿运动,一个增广拉格朗日(AL)方法处理的开关约束,和开关时间优化(STO)算法,优化开关时间,通过利用DDP的结构。此外,松弛障碍(ReB)的方法被用来管理不等式约束,并集成到HS-DDP的运动规划。所开发的算法的性能基准上的麻省理工学院迷你猎豹执行跳跃步态的仿真模型。我们证明了AL和ReB处理开关约束,摩擦约束和扭矩限制的有效性。通过与以前的解决方案相比,我们表明,STO算法实现了2.3倍以上的减少总开关时间,证明了我们的方法的效率。
2020-08-11 cs.RO
MotionBenchMaker: A Tool to Generate and Benchmark Motion Planning Datasets
Rice University(莱斯大学);TU Berlin(柏林工业大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
最近,在机器人操作的运动规划方面已经有了丰富的发展,新的运动规划器不断被提出,每个都有自己独特的优点和缺点。然而,评估新的规划师是具有挑战性的,研究人员经常创建自己的特设问题的基准,这是耗时的,容易产生偏见,并不直接与其他国家的最先进的规划师进行比较。我们提出了MotionBenchMaker,一个开源的工具来生成基准数据集的现实机器人操作问题。MotionBenchMaker是一款可扩展且易于使用的工具,允许用户生成数据集并通过比较运动规划算法对其进行基准测试。从经验上讲,我们展示了使用MotionBenchMaker作为程序生成数据集的工具的好处,这有助于对规划者进行公平评估。我们还提出了一套40个预制数据集,5种不同的常用机器人在8个环境中,作为一个共同的基础,以加快运动规划的研究。
2022-02-15 cs.RO
Optimal Robot Path Planning In a Collaborative Human-Robot Team with Intermittent Human Availability
University of Waterloo(滑铁卢大学)
本文研究人类间歇可用的人机协作场景下机器人最优路径规划问题,提出基于预算和关键出发时间的新方法,在保证最优解的同时扩展了问题规模,并在城市路网上验证了其优于基线算法的性能。
2023-07-10 cs.RO
Robust Planning and Control of Omnidirectional MRAVs for Aerial Communications in Wireless Networks
Ricerca sul Sistema Energetico(能源系统研究);Czech Technical University in Prague(布拉格捷克技术大学);College of Computing, Mohammed VI Polytechnic University(穆莱·伊斯梅尔polytechnic大学计算机学院)
本文研究全向多旋翼飞行器(o-MRAVs)在无线网络空中通信中的鲁棒规划与控制,通过独立控制位置和姿态提升轨迹规划与天线对准能力,相比欠驱动飞行器在动态场景中更具可靠性和效率优势。
2025-04-21 cs.RO
Path Planning Algorithm for Extinguishing Forest Fires
B S Abdur Rahman University(B S 阿卜杜勒·拉赫曼大学)
气候变化的主要影响之一是森林的破坏。森林的破坏有很多种方式,但大部分森林都是由于野火而被摧毁的。在本文中,我们提出了一个路径规划算法,用于灭火,使用无线传感器和执行器网络(WSAN)检测火灾。由于森林火灾的研究大多是基于无线传感器网络(WSNs)的,并且在覆盖、消息传输、节点部署、针对无线传感器网络中传感器节点的电池电量耗尽问题,本文重点研究了Actor移动到火灾发生的目标区域并进行灭火的路径规划方法,提出了一种增量式路径规划方法,“执行者”在有障碍物和无障碍物的环境中灭火的动作。这是通过将确定的移动与使用传感器获得的目标位置读数进行比较来完成的,直到Actor到达目标区域以灭火。
2012-03-18 cs.RO
Path Planning of an Autonomous Mobile Robot in a Dynamic Environment using Modified Bat Swarm Optimization
University of Baghdad(巴格达大学);Bahria University(巴里亚大学)
针对动态环境下的移动机器人导航问题,提出了一种改进的蝙蝠算法(BA)。这项工作的主要目标是获得无碰撞,最短,最安全的路径之间的起点和终点假设一个动态的环境中移动的障碍。本文对标准BA算法的频率参数提出了一种新的修正,即修正频率蝙蝠算法(MFBA)。在动态环境中的移动机器人的路径规划问题进行了使用建议MFBA。路径规划是在两种模式下实现的;第一种模式被称为路径生成,并使用MFBA实现,当移动机器人附近没有障碍物存在时,启用此模式。当检测到接近移动机器人的障碍物时,启动避障(OA)。通过仿真实验,与标准BA算法进行了性能比较,验证了基于MFBA的路径规划算法的有效性和效率。仿真结果表明,MFBA规划出的无碰撞路径比标准BA规划出的路径更短、更安全、更平滑。
2019-07-09 cs.RO
The Impact of Class Uncertainty Propagation in Perception-Based Motion Planning
Department of Computer Science, University of Toronto(多伦多大学计算机科学系);Toyota Research Institute(丰田研究院)
本文研究了感知驱动运动规划中不确定性传播对性能的影响,通过比较不同校准方法在复杂场景中的表现,验证了上游不确定性传播的优越性。
2026-02-17 cs.RO
Real-Time Joint Simulation of LiDAR Perception and Motion Planning for Automated Driving
Worcester Polytechnic Institute(伍斯特理工学院)
提出一个基于LiDAR感知与运动规划的联合仿真框架,在CARLA中实现25Hz实时运行,通过新碰撞边界和线段相交检测算法,实现高精度感知与安全距离保持。
2023-08-30 cs.RO
Systematic Comparison of Path Planning Algorithms using PathBench
Ryerson University(瑞尔森大学);Imperial College London(帝国理工学院)
路径规划是移动机器人的重要组成部分。经典的路径规划算法,如波前和快速探索随机树(RRT)被广泛应用于自主机器人。随着机器学习的发展,基于学习的路径规划算法得到了快速的发展。一个统一的路径规划接口,促进现有的和新的算法的开发和基准测试是必要的。本文介绍了PathBench,现有的和未来的,经典的和基于学习的路径规划算法在2D和3D网格世界环境中的开发,可视化,培训,测试和基准测试的平台。支持许多现有的路径规划算法;例如,A*,Dijkstra,路点规划网络,值迭代网络,门控路径规划网络;并且集成新算法很容易且明确规定。本文通过比较五种不同硬件系统和三种不同地图类型(包括内置PathBench地图、视频游戏地图和来自真实世界数据库的地图)的算法,探讨了PathBench的基准测试能力。使用路径长度、成功率和计算时间等参数来评估算法。还对真实世界的机器人进行了性能分析,以证明PathBench对机器人操作系统(ROS)的支持。PathBench是开源的。
2022-03-07 cs.AI cs.RO
Is it Worth to Reason about Uncertainty in Occupancy Grid Maps during Path Planning?
Cornell University(康奈尔大学);Massachusetts Institute of Technology(麻省理工学院)
本文研究了在路径规划过程中的障碍物的不确定性存在的推理的有用性,这通常源于使用概率占用网格地图表示的环境时,通过一个嘈杂的传感器,如立体相机映射。传统的规划模式规定使用一个硬阈值的占用概率来宣布一个细胞是一个障碍,并相应地规划一个单一的路径,同时对待未知的空间作为自由。我们将这种方法与一种新的不确定性感知规划器进行比较,该规划器规划两种不同的路径假设,然后将其初始轨迹段合并为一个以“下一个最佳视图”姿势结束的单一轨迹段。在这个信息视图被采取后,计划者承诺其中一个假设,或者如果碰撞即将发生,则承诺一个全新的假设。仿真结果表明,该规划器与传统规划器相比,具有更好的规划效果。结果表明存在规划方案-如当环境包含死胡同,或当目标被放置在障碍物附近-其中推理的不确定性可以显着减少机器人的行驶距离,并增加达到目标的机会。新的规划器也在一个真正的Clearpath Jackal机器人上进行了验证,该机器人配备了ZED 2立体摄像机。
2022-05-27 cs.RO
Comparing Reconstruction- and Contrastive-based Models for Visual Task Planning
University of Torontoland(多伦托兰大学);Googol ShallowMind(古戈尔浅智公司);University of Edenborrow(伊登伯罗大学)
学习状态表示使机器人能够直接从原始观察(如图像)进行规划。大多数方法通过利用基于从低维潜在空间重构原始观测的损失来学习状态表示。图像空间中的观测之间的相似性通常被假设并用作估计系统的基本状态之间的相似性的代理。然而,观测通常包含与任务无关的变化因素,这些因素对于重建来说仍然很重要,例如变化的照明和不同的相机视点。在这项工作中,我们定义了相关的评估指标,并进行了深入的研究不同的损失函数的状态表示学习。我们发现,利用任务先验的模型,如具有简单对比损失的连体网络,在视觉任务规划中优于基于重建的表示。
2021-09-14 cs.LG cs.RO
Search-based versus Sampling-based Robot Motion Planning: A Comparative Study
Delft University of Technology(代尔夫特理工大学);RWTH Aachen University(亚琛工业大学)
本文在统一规划条件和场景下基准比较 OMPL 的 RRT-Connect 与 SMPL 的 ARA*,揭示两类运动规划器在高维空间及不同动作采样方案下的性能差异。
2024-06-17 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
Distance and Steering Heuristics for Streamline-Based Flow Field Planning
University of Technology Sydney(悉尼科技大学);Defence Science and Technology Group(国防科学技术集团)
在流场影响下的车辆的运动规划可以受益于基于流线的规划的思想,其利用来自流体动力学的思想来实现计算效率。对于这些规划者来说,重要的是一种有效的方法来计算自由空间中两点之间的行程距离和方向,但这在强不可压缩流(如洋流)中很难实现。我们提出了两个有用的距离函数的分析形式,结合欧几里得距离与流场相关的流函数的值,并与两点之间的相对流的强度估计。此外,我们提出了转向算法,是有用的转向对采样点。我们评估这些想法,将它们与RRT* 和比较算法的性能与国家的最先进的方法在人工流场和实际的海洋预测数据在该地区的主导东澳大利亚电流之间的悉尼和布里斯班。结果表明,该方法的计算效率和能力,找到高质量的路径优于国家的最先进的方法,并显示出实际使用的承诺与自主海洋机器人。
2020-05-14 cs.RO
Relating Reinforcement Learning to Dynamic Programming-Based Planning
Center for Applied Computing, Faculty of Information Technology and Electrical Engineering, University of Oulu, Finland(奥卢大学信息科技与电气工程学院应用计算中心,芬兰);Dept. of Advanced Computing Sciences, Maastricht University, the Netherlands(马斯特里赫特大学高级计算科学系,荷兰)
本文通过去随机化RL、数学分析等价条件及定义真实成本,桥接了最优规划与强化学习在模型、目标和参数上的差异。
2026-06-29 cs.RO
Motion Planning for Heterogeneous Unmanned Systems under Partial Observation from UAV
College of Biosystems Engineering and Food Science, Zhejiang University(浙江大学生物系统工程与食品科学学院);Department of Ocean Science and Engineering, Southern University of Science and Technology(南方科技大学海洋科学与工程系);The State Key Laboratory of Turbulence and Complex Systems, Intelligent Biomimetic Design Lab, College of Engineering, Peking University(北京大学工学院湍流与复杂系统国家重点实验室智能仿生设计实验室);National Engineering Research Center for Software Engineering, Peking University(北京大学软件工程国家工程研究中心);Peng Cheng Laboratory(鹏城实验室)
对于由无人机(UAV)和地面无人车(UGV)组成的异构无人系统,由于其广阔的视野范围,利用UAV作为眼睛辅助UGV进行运动规划是一个很有前途的研究方向。然而,由于无人机飞行高度的限制,可能无法观测到全局地图,局部地图上的运动规划属于POMDP(Partially Observable Markov Decision Process)问题。提出了一种异构无人机系统在无人机部分观测下无需重构全局地图的运动规划算法,该算法由感知和决策两部分组成。在感知部分,我们提出了栅格地图生成网络(GMGN),用于从无人机的角度感知场景,并对路径和障碍物进行分类。对于决策部分,我们提出了运动命令生成网络(MCGN)。由于加入了记忆机制,MCGN在无人机部分观测下具有规划与推理能力。我们评估我们提出的算法与基线算法进行比较。结果表明,该方法有效地规划了异构无人系统的运动,并取得了较高的成功率。
2020-07-28 cs.RO
Autonomous Waypoint Generation with Safety Guarantees: On-Line Motion Planning in Unknown Environments
University of Alberta(阿尔伯塔大学)
未知环境中的在线运动规划是一个具有挑战性的问题,因为它需要(i)确保避免碰撞和(ii)最小化运动时间,同时连续预测下一步去哪里。先前的在线运动规划方法假设环境的粗略地图是可用的,从而简化了问题。本文提出了一种反应式在线运动规划,鲁棒自主航路点生成(RAW),移动机器人导航在未知的和非结构化的环境。RAW生成机器人周围的局部最大椭球,使用半定规划,使周围的障碍物位于椭球之外。然后,强化学习代理在机器人的视野中,在椭圆体内部生成本地航路点。机器人导航到航路点,过程迭代直到它到达目标。通过遵循航路点,机器人导航通过一系列重叠的椭圆,并避免碰撞。机器人的安全性从理论上得到了保证,并通过四种不同实验装置的严格数值实验进行了验证。通过比较RAW轨迹与全局最优轨迹,以经验的方式显示了近最优性。
2017-09-02 cs.RO
Comparison of Innovative Strategies for the Coverage Problem: Path Planning, Search Optimization, and Applications in Underwater Robotics
本文比较了TSP、MST和OCP三种覆盖路径规划策略,用于水下机器人检测放射性源,发现OCP在时间受限时更优但计算成本高,MST更快但次优,为任务优先级下的算法选择提供指导。
2025-06-18 cs.RO cs.SY eess.SY
Benchmarking Shortcutting Techniques for Multi-Robot-Arm Motion Planning
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)
针对多机械臂运动规划,系统比较现有捷径优化方法,提出组合策略以平衡性能与运行时间。
2025-08-07 cs.RO
Optimal Route Planning with Prioritized Task Scheduling for AUV Missions
提出了一种自主式水下机器人(AUV)大规模航路规划与任务分配联合问题的解决方案。给定一组约束条件(例如,时间)和一组任务优先级值,目标是在满足给定约束条件下,找到最大优先级和最小总风险百分比的水下任务最优路径。利用遗传算法和群体智能算法在求解NP-难图问题中的启发式特点,采用粒子群优化算法(PSO)和遗传算法(GA)求解最优解,种群中的每一个体都是一个候选解(路径)。为了评估所提出的方法的鲁棒性,所有的PS和GA算法的性能进行了检查和比较的Monte Carlo运行的数量。仿真结果表明,两种算法生成的航迹可行、可靠,可用于水下运动规划。然而,基于GA的路线规划产生优越的结果相比,从基于PSO的路线规划获得的结果。
2016-04-12 cs.AI cs.RO
Search-Based Online Trajectory Planning for Car-like Robots in Highly Dynamic Environments
The Chinese University of Hong Kong(香港中文大学);Southern University of Science and Technology(南方科技大学);Shenzhen Research Institute of the Chinese University of Hong Kong(香港中文大学深圳研究院)
本文提出了一种基于搜索的部分运动规划器,以产生动态可行的轨迹,车式机器人在高度动态环境。规划者通过探索建立在运动基元上的状态图来搜索平滑、安全和接近时间最优的轨迹,运动基元是通过离散化时间维度和控制空间生成的。为了实现快速的在线规划,我们首先提出了一个有效的路径搜索算法的基础上的运动基元的聚合和修剪。然后,我们提出了一个快速的碰撞检测算法,考虑到运动的障碍物的运动。该算法将机器人与障碍物之间的相对运动线性化,然后通过比较点-线距离来检查碰撞。该规划器利用快速搜索和碰撞检测算法,能够有效、安全地探索状态时间空间,生成近时间最优解。大量实验结果表明,该方法能够在毫秒级内生成可行轨迹,同时保持较高的成功率,具有明显的优越性。
2020-11-07 cs.RO
Feedback Enhanced Motion Planning for Autonomous Vehicles
University of Pennsylvania(宾夕法尼亚大学);Qualcomm Technologies Inc.(高通技术公司)
在这项工作中,我们解决自动驾驶汽车的运动规划问题,通过一种新的网格规划方法,称为反馈增强网格规划器(FELP)。现有的格规划器有两个主要的局限性,即高维度的格和缺乏建模的代理车辆的行为。我们建议应用智能驾驶员模型(IDM)作为速度反馈策略,以解决这两个限制。IDM既能使智能体的响应行为,又能唯一地确定自我车辆在给定路径上的加速度和速度分布,因此只需要一个空间格,而不再需要高阶维数的离散化。此外,我们提出了一个有向图的地图表示,以支持实施和执行格规划。该地图能够反映局部几何结构,嵌入道路交通规则,具有较高的构建和更新效率。我们表明,FELP是更有效的相比,其他现有的格规划,通过运行时的复杂性分析,我们提出了两个变体的FELP,以进一步降低复杂性的多项式时间。我们通过比较FELP与现有的时空格规划器使用模拟的合并方案和连续的高速公路交通的改进。我们还研究了FELP在不同流量密度下的性能。
2020-07-11 cs.RO
Potential Field-based Path Planning with Interactive Speed Optimization for Autonomous Vehicles
The University of Tokyo(东京大学)
针对现有势场路径规划未考虑自车势场对障碍车辆影响的问题,提出基于V2V共享局部路径的交互式速度优化势场规划方法,可提升双方行驶安全舒适性并减少振荡。
2023-06-12 cs.RO
TEeVTOL: Balancing Energy and Time Efficiency in eVTOL Aircraft Path Planning Across City-Scale Wind Fields
University of Tennessee(田纳西大学)
针对eVTOL在城市动态风场中飞行时能量与时间效率难以平衡的问题,提出一种基于深度强化学习的路径规划方法,实验证明其能实现接近理论最优的能量与时间平衡。
2024-03-21 cs.RO
Probabilistically Resilient Multi-Robot Informative Path Planning
Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学)
在本文中,我们解决了多机器人信息路径规划(MIPP)任务的影响下,不确定的通信和对抗性攻击。我们的目标是创建一个多机器人系统,可以学习和统一的知识,一个未知的环境,尽管存在的损坏的机器人共享恶意信息。我们使用高斯过程(GP)来模拟我们的未知环境,并使用互信息的度量来定义信息量。我们的MIPP任务的目标是最大限度地提高团队收集的信息量,同时最大限度地提高抵御攻击的可能性。不幸的是,这些目标是不一致的,特别是在探索大型环境时,需要断开机器人之间的连接。因此,我们施加了一个概率通信约束,允许机器人间歇性地和弹性地共享信息,然后采取行动,以最大限度地收集信息在所有其他时间。为了解决我们的问题,我们选择具有最高弹性概率的会议地点,并使用顺序贪心算法来优化机器人探索的路径。最后,我们通过比较行为良好的机器人应用弹性与非弹性MIPP算法的学习能力,证明了我们的结果的有效性。
2022-06-23 cs.RO
Sequence-Based Plan Feasibility Prediction for Efficient Task and Motion Planning
Massachusetts Institute of Technology(麻省理工学院);NVIDIA Research(英伟达研究院)
提出基于 Transformer 的 PIGINet 方法,通过预测任务规划可行性来偏置 TAMP 搜索过程,显著提升规划效率并实现零样本泛化。
2023-05-22 cs.AI cs.LG cs.RO
Non-Gaussian SLAP: Simultaneous Localization and Planning Under Non-Gaussian Uncertainty in Static and Dynamic Environments
Texas A&M University(德克萨斯A&M大学)
在过程和测量不确定性下的同时定位和规划(SNOW)是一个挑战。它涉及到解决一个随机控制问题建模为部分观测马尔可夫决策过程(POMDP)的一般框架。对于凸环境,我们提出了一个基于优化的开环最优控制问题,再加上滚动时域控制策略,规划高品质的轨迹,沿状态局部化的不确定性减少,而系统达到目标状态,以最小的控制努力。在非凸状态约束的静态环境中,通过定义障碍函数来修改优化,以获得无碰撞路径,同时保持先前的目标。通过初始化优化轨迹在不同的同伦类和比较所得的成本,我们提高了质量的解决方案中存在的行动和测量的不确定性。在具有时变约束的动态环境中,如移动障碍物或禁区,该方法被扩展到寻找无碰撞轨迹。在本文中,底层空间是连续的,信念是非高斯的。在没有障碍物的情况下,优化是一个全局凸问题,而在存在障碍物的情况下,它变成局部凸的。我们证明了该方法在不同情况下的性能。
2016-08-11 cs.RO
Simultaneous learning of state-to-state minimum-time planning and control
Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague(控制系,电气工程学院,布拉格捷克技术大学)
本文提出一种基于强化学习的框架,同时学习状态到状态的最短时间规划与控制,利用质点模型轨迹作为代理奖励和课程学习实现泛化,并在仿真和真实实验中验证了其鲁棒性。
2025-10-22 cs.RO
XFlowMP: Task-Conditioned Motion Fields for Generative Robot Planning with Schrodinger Bridges
Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)(莫扎德·本·扎耶德人工智能大学);Automation & Control Institute (ACIN), TU Wien(自动化与控制研究所);Austrian Institute of Technology (AIT) GmbH(奥地利技术研究所)
XFlowMP通过施特林桥建模任务条件下的运动场,实现生成式机器人规划,提升轨迹平滑度、减少能耗并提高规划效率。
2025-11-02 cs.RO
Policy-Guided Lazy Search with Feedback for Task and Motion Planning
University of Toronto Robotics Institute(多伦多大学机器人研究所);University of BITS Pilani(Birla技术与科学学院皮拉尼大学);University of Toronto(多伦多大学)
针对PDDLStream方法求解任务与运动规划问题耗时久的问题,提出带策略引导与反馈的LAZY求解器,通过集成动作骨架搜索和自适应引导,在7自由度模拟操作任务中显著提升了求解速度。
2023-08-23 cs.AI cs.RO
Semantics-aware Predictive Inspection Path Planning
Norwegian University of Science and Technology(挪威科学技术大学)
本文提出SPP语义感知预测规划,通过识别语义场景图中的重复空间模式预测未见环境,并设计两种压载水舱巡检路径策略,仿真与真实船舶实验证明其可缩短巡检时间并保持覆盖率。
2025-06-06 cs.RO
SIMPNet: Spatial-Informed Motion Planning Network
针对现有基于采样的运动规划器在高维空间及复杂环境中效率低的问题,提出SIMPNet,其通过GNN与交叉注意力机制生成知情采样,经UR5e评估,性能优于基准规划器。
2026-08-31 cs.RO cs.SY eess.SY
Analysis of Motion Planning by Sampling in Subspaces of Progressively Increasing Dimension
University of South Carolina(南卡罗来纳大学);United States Naval Academy(美国海军学院)
尽管现代基于采样的运动规划器具有性能优势,但近实时地解决高维规划问题仍然是一个挑战。应用包括超冗余机械手,蛇形和人形机器人。直觉的基础上,许多这些问题的情况下,不需要机器人独立行使每一个自由度,我们介绍了一种增强流行的基于采样的规划算法,旨在规避指数依赖的维度。我们建议开始在一个低维子空间的配置空间的搜索,希望一个简单的解决方案将被迅速找到。在生成一定数量的样本后,如果没有找到解,则将搜索子空间的维数增加1,并在更高维的子空间中继续采样。在最坏的情况下,搜索子空间扩展到包括完整的配置空间-使得完整性属性与底层的基于采样的平面器相同。我们的实验比较增强和传统版本的RRT,RRT连接,双向T-RRT的平面超冗余机械手和巴克斯特人形机器人表明,通常发现使用这种方法的解决方案要快得多,运行时间似乎是不太敏感的尺寸的完整的配置空间。我们探讨重要的实施问题,在采样过程中,并讨论其局限性。
2018-01-30 cs.RO
Conditional Generative Adversarial Networks for Optimal Path Planning
Southern University of Science and Technology(南方科技大学);The Chinese University of Hong Kong(香港中文大学);Shenzhen Research Institute of the Chinese University of Hong Kong(香港中文大学深圳研究院)
路径规划在自主机器人系统中起着重要的作用。对周围环境的有效理解和最优无碰撞路径的有效生成是解决路径规划问题的关键。传统的基于采样的路径规划算法,如快速探索随机树(RRT)及其改进的最优算法(RRT*),因其在复杂环境下也能找到可行路径而被广泛应用于路径规划问题,但它们不能有效地找到最优路径。为了解决这一问题并满足上述两个要求,我们提出了一种新的基于学习的路径规划算法,该算法由一种新的基于条件生成对抗网络(CGAN)的生成模型和一种改进的RRT* 算法(CGANRRT*)组成。给定地图信息,我们的CGAN模型可以生成一个有效的可行路径的可能性分布,它可以被CGAN-RRT* 算法用来找到最优路径与非均匀采样策略。CGAN模型是通过从地面实况地图学习来训练的,每个地图都是通过将RRT算法执行50次的所有结果放在一个原始地图上来生成的。通过在两组地图上的测试以及CGAN-RRT* 算法与传统RRT* 算法的比较,我们证明了CGAN模型的有效性能。
2020-12-06 cs.AI cs.RO eess.IV
Safety-Critical Planning and Control for Dynamic Obstacle Avoidance Using Control Barrier Functions
Boston University(波士顿大学);University of Maryland(马里兰大学)
本文提出一种结合MPC与离散时间高阶控制屏障函数的框架,通过网格映射生成凸多面体构建安全约束,无需已知障碍物边界方程,并集成路径规划保证全局最优性,在动态狭窄环境中实现独轮机器人的高效安全避障。
2025-02-07 cs.RO math.OC
Forward Kinematics Kernel for Improved Proxy Collision Checking
University of California San Diego(加州大学圣地亚哥分校)
核函数可以在机器人技术中用于比较机器人的不同姿态,诸如在碰撞检查、逆运动学和运动规划中。这些比较通常基于联合空间测量提供距离度量,并且每秒执行数百或数千次,连续地用于变化的环境。很少有例子存在于创建新的内核,尽管它们在机器人控制和规划的计算性能和鲁棒性的显着影响。我们引入了一个新的核函数的基础上的正运动学(FK)比较机器人操作器的配置。我们将新的FK内核集成到我们的代理碰撞检查器Fastron中,Fastron以前在碰撞检查和运动规划方面表现出显着的速度改进。与以前使用的径向基函数内核相比,使用新的FK内核,我们实现了代理碰撞检查速度的两倍加速,内存减少了8倍,并将7自由度机器人手臂的分类准确率从75%提高到95%以上。与最先进的几何碰撞检查器相比,使用FK内核,碰撞检查现在快了9倍。为了展示该方法的广泛性,我们将Fastron FK应用于OMPL中的各种运动规划器,一致显示出更快的机器人规划。
2019-10-14 cs.RO
POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of a Two-wheeled Robot in Highly Cluttered Environments
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院)
提出可嵌入的 POA 规划器,通过识别可通行与不可通行障碍物,让两轮机器人在高度杂乱环境中穿越可通行障碍,并较 GVD、A*、RRT* 最多缩短路径 43%、时间 39%。
2023-07-16 cs.AI cs.RO
Joint Model-based Model-free Diffusion for Planning with Constraints
Georgia Institute of Technology(佐治亚理工学院)
针对无模型扩散规划器与基于模型优化模块集成时的兼容性问题,提出JM2D框架,通过联合采样和重要性采样最大化交互势,无需额外训练,在保证安全的同时显著提升离线强化学习与机器人操作任务性能。
2025-09-11 cs.RO
Mobile Recharger Path Planning and Recharge Scheduling in a Multi-Robot Environment
Indian Institute of Technology Kanpur(印度理工学院坎普尔分校)
在许多多机器人应用中,移动工作机器人通常通过遵循预先计算的轨迹来重复地执行某些任务。由于这些机器人是电池供电的,它们需要定期充电。我们设想在未来,一些移动充电机器人将被用来提供充电的能量不足的工人机器人,以保持系统的整体效率优化。在这个设置中,我们需要找到的时刻和地点的工作机器人和充电机器人的会议最佳。我们提出了一种基于可满足性模理论(SMT)的方法,该方法以足够长的有限长度时间窗口(超循环)中的约束形式捕获机器人的活动,其重复提供其永久行为。我们的SMT编码确保了对于所选长度的超循环,工人机器人由于电荷约束的总等待时间在一定条件下最小化,并且在条件不成立时接近最优。此外,充电机器人遵循最节能的轨迹。我们通过将其与基于SMT的方法的另一种变体进行比较来显示我们的方法的有效性,该方法不可扩展,但提供了全局最佳解决方案,并且具有贪心算法。
2021-02-24 cs.RO
Position-based Dynamics Simulator of Brain Deformations for Path Planning and Intra-Operative Control in Keyhole Neurosurgery
Politecnico di Milano(米兰理工大学);Technical University of Munich(慕尼黑工业大学)
机器人辅助手术中的许多任务需要规划和控制与高度可变形物体相互作用的操纵器的运动。本研究提出了一种基于位置动力学(PBD)模拟的逼真的时间限制模拟器,该模拟器模拟由于导管插入导致的大脑变形,用于锁孔手术中的术前路径规划和术中指导。它通过考虑变形模型中的不确定性、噪声感测和不可预测的致动来最大化成功的概率。在平行六面体形状的模拟体模上初始化PBD变形参数,以获得脑白质的合理起始猜测。通过将获得的位移与复合水凝胶体模中导管插入的变形数据进行比较,对其进行校准。了解灰质脑结构的不同行为,微调参数以获得广义人脑模型。将脑结构的平均位移与文献中的值进行比较。模拟器的数值模型使用了一种新的方法,相对于文献,它已被证明是一个紧密的匹配,通过验证使用记录的变形数据的体内动物试验与平均失配为4.73 $\pm$ 2.15%的真实脑变形。该模型的稳定性、准确性和实时性使其适合于为KN路径规划、术前路径规划和术中引导创建动态环境。
2021-06-18 cs.RO
A Circle Grid-based Approach for Obstacle Avoidance Motion Planning of Unmanned Surface Vehicles
Intelligent Transportation System Research Center, Wuhan University of Technology(武汉理工大学智能交通系统研究中心);National Engineering Research Center for Water Transport Safety(国家水运安全工程技术研究中心);School of Navigation, Wuhan University of Technology(武汉理工大学航运学院)
针对具有动态约束的水面无人机避障问题,提出了一种基于圆网格轨迹元的避障方法。首先,建立船舶模型和标准化规则,分别开发和约束的轨迹。其次,通过分析圆网格的特性,生成圆网格树,指导无人艇的运动。然后,运动学和动力学的USV被认为是通过在线轨迹发生器,通过设计一个关系函数,连接舵角,航向角,和圆网格的中心角。最后,避障是通过利用在线轨迹生成器来选择一个安全,平滑,高效的路径为USV。实验结果表明,该方法能同时避开静态和动态障碍物,在距离代价和转向代价方面均优于相关方法,且转向代价仅为基于网格方法的50%;避碰路径既符合无人艇的动态特性,又为无人艇转向指令提供了参考。
2022-02-09 cs.RO
Biasing the Driving Style of an Artificial Race Driver for Online Time-Optimal Maneuver Planning
Department of Industrial Engineering, University of Trento(工业工程系,特伦托大学);Department of Electrical and Information Engineering, Politecnico di Bari(电气与信息工程系,巴里理工学院);Professorship of Autonomous Vehicle Systems, Technical University of Munich(自主车辆系统教授职位,慕尼黑技术大学)
本文提出一种基于非线性MPC的新终端成本方法,使人工赛车手能实时偏置驾驶风格(早/晚顶点),实现接近离线最优且快于在线最小时间MPC的圈速。
2025-04-17 cs.RO cs.SY eess.SY
Multi-Objective and Model-Predictive Tree Search for Spatiotemporal Informative Planning
Indiana University(印第安纳大学)
针对机器人环境监测中时空变化环境下自适应采样规划的决策易失效问题,提出融合多目标优化与前瞻模型预测奖励的蒙特卡洛树搜索方法,利用预测时空环境过程,在相关指标上优于基线方法。
2023-06-16 cs.RO
Experimental Comparison of Global Motion Planning Algorithms for Wheeled Mobile Robots
University of Southern California(南加利福尼亚大学);Robert Bosch GmbH(罗伯特·博世股份有限公司)
规划轮式移动机器人的平稳和节能运动是从自动驾驶到服务和内部物流机器人应用的中心任务。在过去的几十年里,针对此类非完整系统提出了各种各样的运动规划器、转向函数和路径改进技术。为了比较各种最先进的运动规划技术,我们为轮式移动机器人引入了一种新的开源运动规划基准,其场景类似于现实世界的应用程序(如导航仓库,在混乱的城市或停车),并提出了规划效率和路径质量的指标。我们的基准易于使用和扩展,因此允许从业者和研究人员轻松评估新的运动规划算法,场景和指标。我们使用我们的基准来突出几个常见的最先进的运动规划器的优点和缺点,并提供何时应该使用它们的建议。
2020-03-07 cs.AI cs.RO
Energy-Aware Route Planning for a Battery-Constrained Robot with Multiple Charging Depots
针对多充电站环境下电池受限机器人的能量感知路径规划问题,提出O(log D)近似算法及启发式改进,在TSPLIB算例上验证显示其运行时间降20多倍,解与ILP最优解平均差距在31%以内。
2023-10-02 cs.RO
Grounding LLMs For Robot Task Planning Using Closed-loop State Feedback
本文提出BrainBody-LLM方法,通过闭环反馈机制提升LLMs在机器人任务规划中的鲁棒性,实现在复杂任务中的显著性能提升。
2025-11-20 cs.RO
Belief Space Planning for Mobile Robots with Range Sensors using iLQG
University of Pennsylvania(宾夕法尼亚大学)
在这项工作中,我们使用迭代线性二次高斯(iLQG)规划移动机器人的运动与距离传感器的信念空间。我们解决两个限制,防止应用程序的iLQG所考虑的机器人系统。首先,iLQG假设可微分测量模型,这对于距离传感器是不正确的。我们表明,iLQG只需要微分的信念动态。我们建议使用一个无导数的过滤器来近似的信念动态,这不需要明确的可微的测量模型。第二,来自距离传感器的信息测量是稀疏的。无信息的测量产生平凡的梯度信息,这阻止iLQG优化收敛到局部最小值。我们通过在测量模型中引入额外的参数来增加信息量。在优化中迭代地更新参数,以确保收敛到距离传感器的真实测量模型。我们通过消融研究表明了所提出的修改的有效性。我们还将所提出的方法应用于大规模真实世界环境的模拟中,与假设分离原理或最大似然测量的最先进方法相比,该方法表现出优越的性能。
2021-02-10 cs.RO
On-Demand Human Assistance for Task Continuation under Physical Action Failures in LLM-based Planning
Ritsumeikan University(立命馆大学);Kyoto University(京都大学)
本文提出REPAIR框架,通过在LLM多机器人规划中集成远程错误修复,提升任务进度并减少操作员心理负荷。
2026-09-15 cs.RO
A Multi-Robot Task Assignment Framework for Search and Rescue with Heterogeneous Teams
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);Richard Miner School of Computer and Information Sciences(理查德·迈纳计算机与信息科学学院)
本文提出多阶段多机器人任务分配框架,整合侦察、任务分配与路径规划,结合机器人能力、受害者需求和历史表现优化分配,在四张地图上相比基线实现97%的性能提升。
2023-09-22 cs.RO
A Comparison of Prompt Engineering Techniques for Task Planning and Execution in Service Robotics
University of Bonn(波恩大学);Lamarr Institute for Machine Learning and Artificial Intelligence(拉马尔机器学习与人工智能研究所);Center for Robotics(机器人中心);Computer Science Institute VI(计算机科学第六研究所);Autonomous Intelligent Systems group(自主智能系统组)
本研究在服务机器人任务规划与执行中,系统比较了多种提示工程技术及其组合,通过仿真任务评估最先进模型的完成准确率与执行时间。
2024-11-06 cs.AI cs.RO
VIScore: Diagnosing Planning-Relevant Quality in Latent World Models
Altos Labs(阿尔托斯实验室);Brown University(布朗大学)
该研究针对潜在世界模型规划成功率与潜在空间属性脱节的问题,提出VIScore指标,覆盖编码器、预测器、规划器,在跨任务场景下斯皮尔曼相关性超0.75,可更好解释规划成功率。
2026-08-13 cs.RO