Active inference as a unified model of collision avoidance behavior in human drivers
Department of Cognitive Robotics（认知机器人学系）；Delft University of Technology（代尔夫特理工大学）；Waymo LLC（Waymo公司）
本文提出基于主动推断的新型计算认知模型，统一解释人类避撞行为中的响应时间、动作选择与执行等关键问题。
2026-05-12 cs.RO cs.SY eess.SY
A drl based distributed formation control scheme with stream based collision avoidance
Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）；Tsinghua University（清华大学）
编队和避碰能力是多智能体系统的基本要求。传统的方法通常需要一个中央控制器和全局信息来实现协作，这在未知环境中是不切实际的。本文提出了一种基于深度强化学习（DRL）的自主车辆分布式编队控制方案。采用改进的基于流的避障方法对最优轨迹进行平滑，并利用激光雷达和天线阵列等机载传感器获取局部相对距离和角度信息。该方案获得了一个可扩展的分布式控制策略，联合优化编队跟踪误差和平均碰撞率与本地观测。仿真结果表明，我们的方法优于其他两个国家的最先进的算法保持编队和避碰。
2021-09-05 cs.RO cs.SY eess.SY
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
Multi Object Tracking for Predictive Collision Avoidance
University of Zagreb（泽兰伯格大学）；Maharishi International University（玛哈拉吉国际大学）
针对自主移动机器人在复杂环境中的安全运行需求，提出基于激光雷达数据、结合集成卡尔曼滤波与改进动态窗口法的多目标跟踪及预测式避障方案，经仿真与实场景验证有效，为自主系统发展提供支撑。
2025-08-30 cs.RO cs.SY eess.SY
Stigmergy-based collision-avoidance algorithm for self-organising swarms
Coventry University（考文垂大学）；Autonomous Vehicles & Artificial Intelligence Laboratory (AVAILab), Centre for Future Transport and Cities（自动驾驶车辆与人工智能实验室（AVAILab）、未来交通与城市中心）
实时多智能体碰撞避免算法是实际使用自组织无人机群的关键技术。本文提出了一种分散的相互碰撞避免算法，它是基于stigmergy和可扩展的。该算法是计算成本低，基于梯度的本地测量的动态累积信号强度场的结果从由群发射的信号。信号强度在每个无人机上充当排斥器，然后倾向于远离噪音最大的区域（混乱的环境），从而避免碰撞。这些排斥力的大小可以被调整，以控制分配给碰撞避免相对于影响代理的动态的其他现象的相对重要性。我们对一群自组织的无人机进行了数值实验，旨在自主扑灭野火。如所预期的，已经发现，可以通过降低代理的巡航速度和/或通过增加全局信号强度场的采样频率来降低碰撞率。所提出的避免碰撞算法的一个方便的副产品是，它有助于保持群体的多样性，从而增强探索。
2021-09-22 cs.RO cs.SY eess.SY
Biologically Inspired Collision Avoidance Without Distance Information
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；The University of Iowa（爱荷华大学）
生物学证据表明，动物能够在不使用深度信息的情况下，仅仅依靠隐约可见的刺激来躲避重大碰撞。在机器人技术中，不合作车辆之间的碰撞避免需要测量到障碍物的相对距离。小型、低成本的移动机器人和无人机可能无法携带距离测量传感器，如激光雷达和深度相机。我们提出了一个控制框架，适用于一个类似独轮车的车辆在二维平面上移动，实现防撞。该控制策略的灵感来自无脊椎动物接近障碍物的反应，完全依赖于视线（LOS）角，LOS角速率和碰撞时间作为反馈。这些数量可以很容易地估计从单目摄像机视觉系统板载移动机器人。所提出的避障律控制航向角以规避未知位置的运动障碍物，而速度控制器作为自由度来完成其他任务目标。理论保证表明，车辆和障碍物之间的最小间距达到无关的外源跟踪控制器。
2021-03-23 cs.RO cs.SY eess.SY
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
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
Efficient COLREGs-Compliant Collision Avoidance using Turning Circle-based Control Barrier Function
Mobile Robotics and Intelligence Laboratory, Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（移动机器人与智能实验室，机械工程系，韩国科学技术院）
本文提出基于回转圆的控制屏障函数（CBFs）构建二次规划问题，实现符合COLREGs的高效避碰，在保持性能的同时显著降低计算量。
2025-04-27 cs.RO cs.SY eess.SY
Multi-Robot Collision Avoidance under Uncertainty with Probabilistic Safety Barrier Certificates
Carnegie Mellon University（卡内基梅隆大学）；Cornell University（康奈尔大学）；Microsoft Corporation（微软公司）
多机器人系统在不确定性、非确定性和信息不完全的情况下，其避碰安全性是一个难题。本文的目的是提出一种避免碰撞的方法，占测量不确定性和运动不确定性。特别是，我们提出了概率安全屏障证书（PrSBC）使用控制屏障功能来定义空间的可接受的控制行动，是概率安全的正式可证明的理论保证。通过将机会约束安全集公式化为具有PrSBC的确定性控制约束，该方法需要最小地修改现有控制器以经由约束于PrSBC约束的二次规划来确定替代安全控制器。该方法的主要优点是，除了有限支持之外，不需要对不确定性的形式进行任何假设，也可以实现最坏情况的保证。我们证明了该方法的有效性，通过在现实的仿真环境中的实验。
2020-12-07 cs.RO cs.SY eess.SY
Safety-Critical Human-Machine Shared Driving for Vehicle Collision Avoidance based on Hamilton-Jacobi reachability
Tsinghua University（清华大学）；University of Michigan（密歇根大学）；Central South University（中南大学）
针对车辆避碰人机共享控制中现有方法易打断驾驶员意图、冲突风险高的问题，提出基于HJ可达性分析的RL框架，仅在车辆接近CARS时介入，通过预计算可达集、驾驶员建模与权限分配策略，在实车测试中实现了有效避碰且减少人机冲突。
2025-08-31 cs.RO cs.SY eess.SY
Automating Geometric Proofs of Collision Avoidance with Active Corners
University of Michigan（密歇根大学）
避免障碍物与汽车、机器人或飞机等车辆之间的碰撞对于自动化和自主性的发展至关重要。为了简化问题，许多避碰算法和证明将车辆视为质点，尽管实际车辆不是点。本文考虑了一个具有非零面积的凸多边形车辆沿二维轨迹运动的问题。我们推导出一个易于检查的，无量化器的公式来检查是否有一个给定的障碍物将碰撞的车辆上移动的规划轨迹。我们将我们的方法应用到两个案例研究的飞机防撞，并研究其性能。
2022-07-15 cs.LO cs.RO cs.SY
Evaluating the Benefit of Using Multiple Low-Cost Forward-Looking Sonar Beams for Collision Avoidance in Small AUVs
Virginia Polytechnic Institute and State University（弗吉尼亚理工学院暨州立大学）
我们寻求严格评估的好处，使用几个波束，而不是一个单一的波束的低成本避障声纳小型水下机器人。对于小型低成本AUV，多波束前视声纳所需的复杂性、成本和体积是令人望而却步的。相比之下，单光束系统相对容易集成到小型AUV中，但不提供多光束解决方案的性能。为了更好地理解这种权衡，我们试图严格量化的改进，相对于避障性能的单波束前视声纳相对于单波束系统的性能增加了几个波束。我们的工作从根本上支持在杂乱和非结构化环境中使用小型低成本AUV系统的目标。具体来说，我们调查的好处，将港口和右舷梁的单波束声纳系统防撞。防撞的方法，以获得一个公平的比较之间的单波束和多波束系统，明确地纳入了大波束角的前视声纳的波束图案的几何形状，并模拟使用高保真表示声信号传播。
2022-10-12 cs.RO cs.SY eess.SY
Semi-Decentralized Multi-Spacecraft Collision Avoidance under Communication Constraints
Stanford University（斯坦福大学）
该研究针对航天器避撞的间歇性通信约束，提出半分散式POMDP框架，采用RS-SDA*算法规划，性能接近集中式且同步事件减少28.5%，优于规则启发式方法。
2026-07-30 cs.RO cs.SY eess.SY
A hybrid controller for safe and efficient collision avoidance control
Research Institute of Trustworthy Autonomous Systems, SUSTech（南方科技大学可信自主系统研究院）；School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院）；Verimag, Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学Verimag实验室）
我们设计和实验评估的混合安全的结构防撞控制器的自动驾驶汽车。该控制器将自适应控制器和离散安全控制器各自的优点结合到单个架构中。自适应控制器依赖于模型预测控制以在标称条件下实现最佳效率。安全控制器通过分别针对标称和非标称条件应用两种不同的策略来避免冲突。我们提出了自适应和安全控制器的设计原则，并展示了每个控制器如何在混合架构中做出贡献，以提高性能，道路占用率和乘客舒适度，同时保持安全性。实验结果证实了该方法的可行性和混合控制器的安全和有效的驾驶的实际意义。
2021-03-29 cs.RO cs.SY eess.SY
Explainable AI for Ship Collision Avoidance: Decoding Decision-Making Processes and Behavioral Intentions
Osaka Metropolitan University（大阪公立大学）
本研究针对船舶避碰场景开发可解释AI，通过子任务评判网络、Q值分析与注意力机制解码决策过程和行为意图，经实验验证可安全避碰且决策可解释，还可推广至含子任务的其他场景。
2024-05-20 cs.AI cs.RO cs.SY
Turning Circle-based Control Barrier Function for Efficient Collision Avoidance of Nonholonomic Vehicles
Korea Advanced Institute of Science and Technology（韩国科学技术院）
本文提出一种基于转弯圆的控制障碍函数，结合模型预测控制，以考虑非完整约束，提高非完整车辆碰撞避免的效率，并通过仿真和实验验证。
2025-03-26 cs.RO cs.SY eess.SY
Collision Avoidance Safety Filter for an Autonomous E-Scooter using Ultrasonic Sensors
University of Stuttgart（斯图加特大学）；ETH Zürich（苏黎世联邦理工学院）
本文针对自主电动滑板车在行人区域的安全运行问题，提出一种基于多个低成本超声波传感器的避碰安全滤波器，通过滤波处理测量噪声和缺失值并结合增益调度控制器限制速度，实现与未知障碍物的安全避碰，并通过真实实验验证其有效性。
2024-05-27 cs.RO cs.SY eess.SY
Online Controller Synthesis for Robot Collision Avoidance: A Case Study
本文针对机器人避障中深度学习感知的分布偏移问题，提出结合周期性监测修复、不确定性重评估与概率模型检验的在线控制器合成框架，并通过双组件配置保证系统可用性，实验证明其性能显著优于基线方法。
2025-05-06 cs.RO cs.SY eess.SY
Convex Maneuver Planning for Spacecraft Collision Avoidance
Robotics Institute at Carnegie Mellon University（卡内基梅隆大学机器人研究所）；Albedo Space
针对航天器避撞机动规划依赖人工、效率低的问题，提出将低推力避撞问题建模为QCQP后用Shor松弛转化为凸SDP的算法，可生成能量最小或最小风险的最优解，经LEO卫星交会仿真验证有效。
2025-10-21 cs.RO cs.SY eess.SY
Markov Decision Processes for Satellite Maneuver Planning and Collision Avoidance
Stanford University（斯坦福大学）
本文将大型星座卫星机动规划建模为MDP，提出低计算成本的去中心化在线最优策略生成方法，并在低轨避碰仿真中与传统规则方法对比。
2025-01-05 cs.RO cs.SY eess.SY
On the Dual Implementation of Collision-Avoidance Constraints in Path-Following MPC for Underactuated Surface Vessels
Kiel University（基尔大学）；AVL Software and Functions GmbH（AVL软件与功能有限公司）
提出了一种将障碍物形状近似为凸多边形的路径跟踪避碰模型预测控制（MPC）方法。避免碰撞是通过有符号的距离函数来确保的，该有符号的距离函数作为MPC问题的一部分通过利用对偶公式来有效地计算。整个MPC问题可以通过标准的非线性规划（NLP）求解器来解决。双符号距离公式化产生，除了（双）碰撞避免约束，规范和一致性约束。提出了一种新的方法，结合产生的规范平等的双重碰撞避免不等式约束，以产生一个替代制定减少复杂性。移动障碍物被认为是使用单独的线性预测的障碍物位置的凸集的对偶问题。的理论研究结果和简化的比较，经常使用的椭球形障碍制定和分析方面的效率的例子，一个模拟的路径跟踪自主水面舰艇在一个现实的机动和AIS障碍数据从基尔湾地区。
2021-03-12 cs.RO cs.SY eess.SY
Collision Avoidance of 3-Dimensional Objects in Dynamic Environments
University of Texas at Arlington（德克萨斯大学阿灵顿分校）
实现运动物体之间的碰撞避免是确定机器人轨迹的一个重要目标。在执行避碰机动时，物体的相对形状起着重要的作用。文献主要将物体的形状建模为球体，并且这可以使得回避机动非常保守，特别是当物体具有细长形状和/或非凸形时。在本文中，我们使用适当的组合椭球和单/双叶双曲面的对象的形状建模，并采用碰撞锥的方法来实现碰撞避免。我们提出了一种方法来构建3-D碰撞锥，并提出了模拟结果表明，防撞法律的工作。
2022-03-17 cs.RO
The impact of catastrophic collisions and collision avoidance on a swarming behavior
George Mason University（乔治梅森大学）
成群的自主智能体在许多应用中是有用的，因为它们能够以分散的方式完成任务，使它们对故障更具鲁棒性。由于难以使用大量硬件代理运行实验，研究人员经常简化假设并删除可能存在于真实群部署中的约束。虽然简化了一些限制是可以容忍的，但我们觉得有两个特别被忽视了：一是群体中的代理占用物理空间，二是代理可能在碰撞中受损。许多现有的作品假设代理人有可忽略的大小或通过彼此没有额外的惩罚。似乎可以忽略这些约束，使用碰撞避免，但我们使用一个说明性的例子，这是说起来容易做起来难。特别是，我们表明，碰撞避免可能会干扰预期的群集行为和显着的参数调整是必要的，以确保尽可能好地出现的行为，同时避免碰撞。我们比较了四种不同的碰撞避免算法，其中两种我们认为是最好的分散式碰撞避免算法。尽管投入了大量的精力来调整每个算法以达到最佳性能，但我们相信我们的研究结果表明，有必要进一步研究，以开发可以实现其目标的群集行为，同时避免与不可忽略体积的代理发生冲突。
2021-03-03 cs.MA cs.RO cs.SY
A Novel Optimization-Based Collision Avoidance For Autonomous On-Orbit Assembly
针对基于优化的在轨组装运动规划中避碰约束非凸不可微的难题，提出利用凸优化生成可微非保守避碰约束的技术，经狭窄场景验证可生成最优轨迹，且可推广至通用避碰运动规划。
2024-04-15 cs.RO cs.SY eess.SY
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
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
Collision Avoidance Verification of Multiagent Systems with Learned Policies
Northeastern University（东北大学）；Google（谷歌公司）
本文提出一种基于后向可达性的方法，通过离线求解MILPs计算相对反投影集合并在线求解LPs，验证多智能体神经网络反馈回路的碰撞避免特性，支持状态不确定性且可扩展至10个智能体。
2024-04-25 cs.LG cs.MA cs.RO
GPU-Accelerated Optimization-Based Collision Avoidance
Tongji University（同济大学）
针对凸多面体有限并集建模的避障问题，提出基于尺度碰撞检测和强对偶性的约束，并通过ADMM分解为可GPU并行求解的低维QP，显著降低计算时间。
2024-06-11 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
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
Collision Avoidance of Two Autonomous Quadcopters
University of Sheffield（谢菲尔德大学）
使用交通防撞系统（TCAS）是为了避免飞机之间发生空中碰撞。我们提出了一个游戏理论的方法，TCAS设计的自主无人机（UAV）。游戏理论学习的典型例子的一个变体，虚拟游戏，被用作无人机之间的协调机制，它应该在飞行和避免碰撞的替代高度之间进行选择。我们提出了建议的协调机制在两个四轴飞行器在相反的方向的实施结果。
2016-03-17 cs.RO
Multi-level decision framework collision avoidance algorithm in emergency scenarios
State Key Laboratory of Automotive Simulation and Control, Jilin University（吉林大学汽车仿真与控制国家重点实验室）；School of Engineering, University of Birmingham（伯明翰大学工程学院）；School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院）
针对紧急动态避障问题，本文提出融合安全距离模型、紧急转向与制动的多级决策框架，并通过多约束规划提升复杂交通场景下的避撞安全性。
2023-04-21 cs.RO
Collision avoidance from monocular vision trained with novel view synthesis
Inria（法国国家信息与自动化研究所）
本文提出利用2D Gaussian splatting生成的真实感图像训练基于单目RGB输入的避障策略，并在真实实验中验证了该方法在分布内和分布外环境中的有效性。
2025-04-09 cs.RO
Deep Reinforcement Learning for Advanced Longitudinal Control and Collision Avoidance in High-Risk Driving Scenarios
College of Engineering, University of Maryland（马里兰大学工程学院）
针对现有高级驾驶辅助系统易忽视后车风险、难以应对高速密集车流中连环碰撞的问题，提出一种同时考虑前后车行为的深度强化学习纵向避撞算法，仿真验证其可有效预防含重型车辆在内的连环碰撞。
2025-02-21 cs.AI cs.LG cs.RO
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
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
Decentralized Contingency MPC based on Safe Sets for Nonlinear Multi-agent Collision Avoidance
Institute for Electrical Engineering in Medicine, University of Luebeck, Luebeck, Germany（医学电气工程研究所，吕贝克大学，吕贝克，德国）
本文提出基于安全集的去中心化应急MPC框架，实现非线性多智能体在仅状态信息下的碰撞避免，通过局部优化问题和应急证书保证递归可行性与收敛性。
2026-05-11 cs.MA cs.RO cs.SY
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
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
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
SwarmCCO: Probabilistic Reactive Collision Avoidance for Quadrotor Swarms under Uncertainty
University of Maryland at College Park（马里兰大学帕克分校）
我们提出了分散的碰撞避免算法的四旋翼机群下不确定的状态估计。我们的方法利用微分平坦性和前馈线性化近似的四旋翼动力学，并执行相互碰撞避免。我们占的位置和速度的不确定性，通过制定碰撞约束的机会约束，它描述了一组速度，避免碰撞与指定的置信水平。我们提出了两种不同的方法制定和解决的机会约束：我们的第一种方法假设高斯噪声分布。我们的第二种方法是它的扩展到非高斯的情况下，使用高斯混合模型（GMM）。我们重新制定的线性机会的约束，等效的确定性约束，这是使用MPC框架计算每个四旋翼的局部无碰撞轨迹。我们评估所提出的算法在模拟基准的情况下，并强调其优点比以前的方法。我们观察到，高斯和非高斯的方法提供了改进的碰撞避免性能的确定性方法。平均而言，高斯方法需要~ 5 ms来计算局部无碰撞轨迹，而我们的非高斯方法在计算上更昂贵，在具有4个代理的场景中平均需要~ 9 ms。
2021-01-25 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
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
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
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
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
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
