A neural signed configuration distance function for path planning of picking manipulators
Department of Information Technology, Uppsala University(信息技术系,乌普萨拉大学)
针对拾取机械臂路径规划问题,提出一种神经符号配置距离函数(nSCDF)作为隐式障碍物表示,通过构建配置空间中的无碰撞球体,将多查询路径规划器中的点替换为球体,从而快速生成无碰撞走廊并利用凸规划优化路径,实验表明该方法在显著减少时间的同时生成接近渐近最优的路径。
2026-05-25 cs.RO
Configuration-Space Flipper Planning for Rescue Robots
ShanghaiTech University(上海科技大学)
对于救援机器人,Flipper赋予机器人通过各种地形的额外能力。自主运动变得更加重要。在最近的工作中,自治是通过与几个特殊状态的规划或基于收集的数据来完成的。我们正在考虑是否有可能找到一种方法来建立连续状态,而无需收集旧的踪迹数据。在本文中,我们首先建模的可能状态作为一个全局规划路径与参数配置的场景。然后,我们遵循路径实现自主运行。我们绘制了每个路径点的形态来显示路径的正确性,并在真实机器人上实现了一个简单的路径跟踪,以证明我们的算法的性能。
2019-05-09 cs.RO
Efficient Distance-Optimal Tethered Path Planning in Planar Environments: The Workspace Convexity
Zhejiang University(浙江大学)
本文的主要贡献是证明了全方位绳系机器人工作空间(即所有绳长允许的机器人配置)的凸性,以及一组利用工作空间凸性的距离最优绳系路径规划算法。证明了该工作空间在拓扑上是一个单连通子集,在几何上是所有构形集合的一个凸子集。作为一个直接的结果,两个配置之间的系绳长度允许的最优路径被证明正是无系绳碰撞的局部最短路径的同伦指定的级联的系绳曲线的给定的配置,它可以简单地通过执行一个无系绳路径缩短过程中的2D环境中,而不是在预先计算的工作空间中的路径搜索过程中构造。凸性是绳系机器人运动学的一个内在属性,因此对所有高级距离最优绳系路径规划任务具有普遍影响:用目标配置预计算(GCP)过程代替最耗时的工作空间预计算(WP)过程,用无绳系路径缩短过程代替同伦感知路径搜索过程。受工作空间凸性的启发,自然提出了解决以下问题的有效算法:(a)最优系留重构(TR)规划问题通过局部非系留路径缩短(UPS)过程来解决,(b)经典的最优系留路径(TP)规划问题通过GCP过程和$n$ UPS过程来求解(从起始配置到目标位置,其中目标系绳状态未被分配),其中,$n$是访问目标位置的系绳长度容许配置的数量,(c)访问多个目标位置的序列的最佳系绳运动,称为
2022-08-08 cs.RO
Optimal Thruster Configuration for 6-DOF Control of a Small Satellite
The University of Texas at Arlington(德克萨斯理工大学)
本文提出了一种小型卫星六自由度控制的最优推力器配置方法,通过减少推力器数量仍能实现有效姿态控制。
2026-01-16 cs.RO cs.SY eess.SY
Free Space of Rigid Objects: Caging, Path Non-Existence, and Narrow Passage Detection
KTH(瑞典皇家理工学院)
在这项工作中,我们提出的算法,明确地构建一个保守的估计,在2D和3D的刚性物体的配置空间。我们的方法是能够检测紧凑的路径组件和狭窄的通道配置空间中的机器人操作和路径规划的应用程序是很重要的。此外,正如我们所证明的那样,它们也适用于化学中分子笼的识别。我们的算法是基于分解的3和6维配置空间到切片对应于一个有限的样本的固定方向的配置空间。我们利用对偶图的工会的球和均匀网格的方向近似的配置空间。我们进行了实验,以评估一组具有不同几何特征的对象的计算效率,从而证明我们的方法适用于不同的对象形状。我们调查我们的算法的性能,通过计算越来越细粒度的近似对象的配置空间。
2020-02-07 cs.RO
Rationally Inattentive Path-Planning via RRT*
Odyssey Space Research(奥德赛空间研究公司);University of Texas at Austin(得克萨斯大学奥斯汀分校)
我们考虑的路径规划方案的移动机器人在配置空间中的障碍物下存在的随机干扰。在不确定配置空间上提出了一种新的路径长度度量,并与现有的RRT* 算法相结合。该度量是两个项的加权和,这两个项捕获机器人行进的欧几里得距离和感知成本,即,机器人必须感知的环境信息量,以安全地遵循路径。路径长度函数的拓扑结构的总变差度量的连续性示出和最优性的理性疏忽RRT* 算法进行了讨论。三个数值研究显示新算法的实用性。
2020-02-28 cs.RO cs.SY eess.SY
Learning-based Predictive Path Following Control for Nonlinear Systems Under Uncertain Disturbances
Sun Yat-Sen University(中山大学)
精确的路径跟踪是具有挑战性的自主机器人在不确定的环境中运行。自适应和预测控制策略对于非线性机器人系统实现高性能的路径跟踪控制至关重要。在本文中,我们提出了一种新的基于学习的预测控制方案,耦合一个高层次的模型预测路径跟踪控制器(MPFC)与低层次的基于学习的反馈线性化控制器(LB-FBLC)的非线性系统的不确定性干扰。低层LB-FBLC利用高斯过程在线学习不确定的环境扰动,并在概率稳定性保证下精确跟踪参考状态。同时,高层MPFC利用线性化系统模型,通过虚拟线性路径动力学模型对路径参考目标的演化进行优化,为底层LB-FBLC提供参考状态和控制。仿真结果表明,所提出的控制策略的有效性四旋翼路径跟踪任务下未知的风干扰。
2022-12-26 cs.RO cs.SY eess.SY
Reactive Neural Path Planning with Dynamic Obstacle Avoidance in a Condensed Configuration Space
FZI Research Center for Information Technology(FZI信息技术研究中心)
我们提出了一个生物启发的方法,动态避障路径规划。在自组织神经网络(SONN)生成的机器人压缩位形空间中进行路径规划。机器人本身和静态以及动态障碍物从笛卡尔任务空间映射到配置空间的预先计算的运动学。浓缩的空间代表了环境的认知地图,灵感来自于哺乳动物大脑中的位置细胞和认知地图的概念。训练数据的生成以及评估进行了一个真正的工业机器人伴随着仿真。为了在变化的环境中评估反应式无碰撞在线规划,实现了一个演示器。然后,对基于样本的规划师进行了比较研究。因此,我们可以证明机器人能够在动态变化的环境中运行,并在0.02秒内重新规划其运动轨迹,这证明了我们的概念的实时能力。
2022-07-08 cs.RO
Integrated Path Planning and Tracking Control of Marine Current Turbine in Uncertain Ocean Environments
Florida Atlantic University(佛罗里达大西洋大学);Virginia Tech(弗吉尼亚理工大学)
本文提出了一种集成的路径规划和跟踪控制的海洋水动力能量收集装置。针对海洋环境的高度非线性和不确定性,提出了一种基于强化学习(RL)方法的路径规划器。规划者将搜索优化所选成本标准的路径,例如在给定时间内最大化总收获能量。模型预测控制(MPC),然后利用规划器的最优路径命令服从问题的约束,设计跟踪控制。规划器和跟踪控制被容纳在一个集成的框架中,以实时的方式优化这两个部分。该方法在海流涡轮机(MCT)上进行了验证,该海流涡轮机执行垂直航路点路径搜索以最大化由于海洋环境中的时空不确定性引起的净功率,以及通过MPC跟踪控制器进行路径跟踪以将MCT导航到最优路径。结果表明,与基线(即,将MCT保持在平衡深度),并且跟踪控制器可以在不同的剪切轮廓下成功地跟随参考路径。
2021-10-14 cs.RO cs.SY eess.SY
Nonlinear Model Predictive Control-Based Reverse Path-Planning and Path-Tracking Control of a Vehicle with Trailer System
Automated Driving Lab, Ohio State University(俄亥俄州立大学自动驾驶实验室);HATCI(现代汽车美国技术中心)
针对带挂车车辆倒车泊车难度大的问题,提出基于NMPC的自动化方案,仅以挂车为独立对象做规划跟踪再通过逆运动学传递控制至牵引车,可加前向调整阶段,经仿真与硬件在环测试验证有效。
2025-09-01 cs.RO cs.SY eess.SY
Time Governors for Safe Path-Following Control
Eindhoven University of Technology(埃因霍温理工大学);Eindhoven AI Systems Institute(埃因霍温人工智能系统研究所)
机器人在障碍物周围的安全和平稳运动是自主机器人的基本技能,特别是在人和其他机器人周围操作时。传统上,由于实时操作要求和机载计算限制,许多机器人运动规划和控制方法遵循两步方法:首先构造(例如,分段线性)的无碰撞参考路径的简化机器人模型,然后通过路径跟踪控制执行的参考计划更准确和复杂的机器人模型。用于高度动态机器人系统的这种解耦机器人运动规划和控制方法的挑战是确保路径跟随控制的安全性以及参考规划的成功完成。在本文中,我们介绍了一种新的动态系统的方法,在线闭环时间参数化,称为$\textit{a time governor}$,参考路径可证明正确和安全的路径跟踪控制的基础上反馈运动预测,其中的机器人运动的安全性下的路径跟踪控制连续监测使用预测的机器人运动。在介绍了安全路径跟踪的时间总督的一般框架后,我们提出了一个例子应用程序的完全驱动的高阶机器人动力学使用比例和高阶导数(PhD)路径跟踪控制,其反馈运动预测是由李雅普诺夫椭球和范德蒙德单纯形。在数值模拟中,我们研究了参考位置和速度反馈的作用,以及路径跟踪性能和机器人运动的运动预测。
2022-12-02 cs.RO cs.SY eess.SY
A Universal Formulation for Path-Parametric Planning and Control
本文提出一个通用的路径参数化规划与控制统一框架,通过计算无奇点平滑可微移动标架与任意曲线的空间参数化方法,将传统路径跟随、MPC和强化学习等现有技术整合在单一框架下。
2025-03-02 cs.RO cs.SY eess.SY
Neural Path Planning: Fixed Time, Near-Optimal Path Generation via Oracle Imitation
University of California, San Diego(加州大学圣地亚哥分校)
快速有效的路径生成对于机器人在复杂环境中的操作至关重要。这个运动规划问题通常在机器人的致动或配置空间中执行,其中流行的寻路方法(诸如A*、RRT*)随着维度增加或空间变得更加杂乱和复杂而变得在计算上以指数方式昂贵。另一方面,如果要先验地保存连接配置空间中的所有位置对的整个路径集合,则将非常快地耗尽存储器。在这项工作中,我们介绍了一种新的方法,通过使用步进神经网络的方法,称为OracleNet的静态环境中产生快速和最佳的运动计划。OracleNet使用递归神经网络以迭代的方式确定端到端轨迹,以紧凑的形式隐式地生成性能损失最小的最佳运动计划。该算法在实现上是简单的,同时在单个迭代的端到端推出中始终生成接近最优的路径。在实践中,不管配置空间复杂度如何,OracleNet通常具有固定时间的执行,同时在复杂环境和更高维度中优于流行的路径查找算法
2019-04-25 cs.AI cs.LG cs.RO
Model Predictive Path-Following Control for a Quadrotor
Institute of Engineering and Computational Mechanics(工程与计算力学研究所)
本文提出了一种基于模型预测控制的四旋翼路径跟随控制方法,通过硬件实验验证其有效性,并引入走廊路径跟随方法以应对路径跟踪的限制。
2025-06-18 cs.RO cs.SY eess.SY
Tracking error learning control for precise mobile robot path tracking in outdoor environment
Massachusetts Institute of Technology(麻省理工学院);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
提出了一种跟踪误差学习控制(TELC)算法,用于越野环境下移动机器人的精确路径跟踪。传统的基于跟踪误差的控制方法中,反馈和前馈控制器都是基于标称模型设计的,无法捕捉不确定性、干扰和工作条件的变化,无法保证在室外环境下精确的路径跟踪性能。在TELC算法中,前馈控制动作的更新,通过使用跟踪误差动态和对象模型失配问题,从而放弃。因此,一旦移动机器人已经在轨道上,前馈控制器就逐渐从系统的控制中消除反馈控制器。除了证明稳定性外,还证明了代价函数不存在局部极小值,从而TELC算法中的系数保证达到全局极小值。实验结果表明,TELC算法的路径跟踪性能优于传统的跟踪误差控制方法。TELC算法控制的移动机器人在越野环境下能够精确地跟踪目标路径,误差小于$10$ cm。
2021-03-21 cs.RO cs.SY eess.SY
A Decomposition-Based Approach to Reasoning about Free Space Path-Connectivity for Rigid Objects in 2D
KTH The Royal Institute of Technology(瑞典皇家理工学院)
在本文中,我们计算了一个2D工作空间中的刚体自由空间的路径连通分量的保守近似,以解决两个密切相关的问题:确定两个给定的配置之间是否存在无碰撞路径,并验证一个对象是否可以从其初始配置逃逸任意远-即,物体是否被关在笼子里。此外,我们考虑了自由空间的两个定量特征:路径连通分量的体积和狭窄通道的宽度。为了解决这些问题,我们将位形空间分解成一组二维切片,将它们近似为二维α-复合体,然后研究它们之间的关系。与自由空间的直接近似相比,这显著降低了计算复杂性。我们实现了我们的算法,并在一个简单的对象显示运行时间小于2秒的三维配置空间中运行实验。
2017-10-27 cs.RO
Recent Advances in Path Integral Control for Trajectory Optimization: An Overview in Theoretical and Algorithmic Perspectives
Inha University(仁荷大学)
本文综述了路径积分控制用于随机最优控制与轨迹优化的理论发展和算法进展,重点介绍交叉熵方法、MPPI及参数化状态反馈控制器,并提供多平台仿真实现与开源代码。
2023-12-02 cs.RO cs.SY eess.SY
Motion Planning in Irreducible Path Spaces
National Institute of Advanced Industrial Science and Technology (AIST)(产业技术综合研究所)
机械系统的运动可以定义为通过其构形空间的路径。计算这样的路径具有随着配置空间的维度指数地缩放的计算复杂性。我们建议通过引入不可约路径--具有最小扫掠体积的路径来降低位形空间的维数。本文由三个部分组成:第一部分,我们定义了所有不可约路径的空间,并证明了在不可约路径空间中规划路径保持了任何运动规划算法的完备性。在第二部分中,我们在一定的假设下构造了一个串联运动链不可约路径空间的近似。在第三部分中,我们进行运动规划使用的不可约路径空间的机械蛇在涡轮机的环境中,一个机械章鱼与八个手臂在管道系统和侧向运动的人形机器人移动通过一个房间的门,并通过一个洞在墙上。我们证明了一个不可约路径的概念可以应用到任何运动规划算法考虑曲率约束。
2018-09-14 cs.RO
Sampling-based Path Planning Algorithms: A Survey
WPI(伍斯特理工学院)
本文综述自主机器人路径规划领域的基于采样算法,介绍地图表示类型,重点分析PRM、RRT及其优化版本PRM*、RRT*的优化实现与优势。
2023-04-23 cs.RO
Asymptotically Optimal Path Planning With an Approximation of the Omniscient Set
Faculty of Electrical Engineering, Czech Technical University in Prague(布拉格捷克技术大学电气工程学院)
针对RRT*算法收敛慢的问题,提出两种近似全知集的采样方法以加速收敛,保证渐近最优性,且在3D、6D构型空间多场景中性能更优。
2025-03-20 cs.RO
Enhancing Path Planning Performance through Image Representation Learning of High-Dimensional Configuration Spaces
本研究提出一种结合带梯度惩罚的Wasserstein生成对抗网络与快速探索随机树的路径规划加速方法,通过路点矩阵编码、扩散条件约束及失效回退机制,在时间约束下有效提升高维空间路径规划效率。
2025-01-11 cs.AI cs.RO
Planning Shorter Paths in Graphs of Convex Sets by Undistorting Parametrized Configuration Spaces
Computer Science and Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology(麻省理工学院计算机科学与人工智能实验室(CSAIL))
针对非线性参数化导致凸集图(GCS)运动规划在原始空间次优的问题,提出扩展GCS至非凸目标的方法以修正优化场景,在保持可行性的同时显著缩短路径长度和轨迹持续时间,且运行时间增幅极小。
2025-04-14 cs.RO
Topo-Geometrically Distinct Path Computation using Neighborhood-augmented Graph, and its Application to Path Planning for a Tethered Robot in 3D
Lehigh University(理海大学)
本文提出基于邻域增广图的通用路径规划方法,可计算拓扑-几何相异的多条局部最优路径,无需复杂几何构造,并应用于三维系绳机器人最短路径规划且经仿真与实机验证。
2023-07-10 cs.DM cs.RO
Towards Constructing Finer then Homotopy Path Classes
Baidu Research(百度研究院)
本文提出了一种新的路径分类标准,从几何和拓扑上区分路径的工作空间,这是通过细胞分解,产生一个中轴状的骨架结构划分。我们使用这些信息以及机器人的拓扑结构来约束和分类配置空间中的不同路径。我们表明,所提出的方法找到的路径类是等价的,比路径同伦定义的路径类更精细。建议的路径类是很容易计算,比较,并可用于各种规划目的。分类建立在很大程度上的拓扑结构的机器人和工作空间的几何形状,导致一个替代的基于纤维束的配置空间的描述。我们引入了一个规划框架,以克服障碍和狭窄的通道,使用建议的路径分类方法和由此产生的路径类。
2022-06-13 cs.RO
Improving Path Planning Performance through Multimodal Generative Models with Local Critics
Université de Sherbrooke(舍布鲁克大学)
本研究提出结合变分自编码器与带局部模型的WGAN-GP的方法,解决未知障碍场景下路径规划加速问题,通过同调秩等指标验证构型空间重建效果,实验证明可生成准最优路径并加速规划,代码已开源。
2023-06-15 cs.AI cs.RO
Collective Control for Arbitrary Configurations of Docked Modboats
Modboat是一种低成本、欠驱动的模块化机器人,能够在水面游泳,对接到其他模块,并仅使用一个电机和两个被动鳍状肢从它们中脱离。在某些配置中,通过引起相邻模块的尾部之间的故意自碰撞来实现脱离;然而,当希望集体游泳作为一个连接的组件时,这成为一个挑战。在这项工作中,我们开发了一个集中控制策略,使\textit{arbitrary}配置的Modboats游泳作为一个单一的可操纵的车辆,并保证没有意外的出坞。我们还提出了一个简化的模型,船之间的水动力相互作用的配置,是易于处理的实时控制。我们的实验表明,我们的控制器表现良好,是一致的各种尺寸和形状的配置,并可以同时控制浪涌速度和偏航角。在游泳时保持可控性,但纯偏航控制导致横向运动,不能抵消所提出的框架。
2022-09-08 cs.RO
Holonomic Control of Arbitrary Configurations of Docked Modboats
Modboat是一种低成本、欠驱动的模块化机器人,能够在水面游泳,对接到其他模块,并仅使用一个电机和两个被动鳍状肢从它们中脱离。在某些配置中,通过引起相邻模块的尾部之间的故意自碰撞来实现脱离;然而,当希望集体游泳作为一个连接的组件时,这成为一个挑战。先前的工作已经开发出控制器,可以将停靠的Modboats的任意配置变成可操纵的车辆,但它们不能抵消横向力和干扰。在这项工作中,我们提出了一个集中的控制策略,以创建完整的车辆的任意配置的对接Modboats使用迭代势场为基础的搜索。我们的实验表明,我们的控制器表现良好,可以控制浪涌和摇摆速度和偏航角同时。
2022-11-29 cs.RO
Multi-Reference Path Tracking Control for an Agricultural Tractor with Nonlinear Model Predictive Control
Chair of Agrimechatronics, Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich(慕尼黑工业大学慕尼黑机器人与机器智能研究所(MIRMI)农业机电一体化教席)
本研究提出一种基于非线性模型预测控制的农用拖拉机路径跟踪控制器,将多段参考路径纳入目标函数,田间试验表明平均收敛时间3.45毫秒,平均绝对横向误差6.1厘米。
2026-10-02 cs.RO
Finding Control Synthesis for Kinematic Shortest Paths
Baidu Research(百度研究院)
本文分析了刚体系统最短路径控制综合的性质。我们在这项工作中关注的系统只有运动学约束。然而,即使对于看似简单的系统和约束,一般刚体系统的最短路径也是最近才发现的,特别是对于3D系统。基于Pontraygon最大值原理(MPM)和拉格朗日方程,我们提出了最佳开关的必要条件,形成控制综合的边界。我们正式表明,最短路径附近的配置将有类似的伴随函数和参数,即,拉格朗日乘数。我们进一步表明,梯度的必要条件方程可以用来验证是否配置内的控制综合区域或边界上。我们提出了一个过程,找到最短的运动路径和控制合成,使用梯度的控制约束。给定最短路径和相应的控制序列,当且仅当邻近配置属于同一控制综合区域时,才能推导出邻近配置的最优控制序列。所提出的程序可以工作的2D和3D刚体系统。我们使用一个2D Dubins车辆系统来验证所提出的方法的正确性。更多的验证和实验将在本工作的扩展。
2022-06-15 cs.RO
A path planning and path-following control framework for a general 2-trailer with a car-like tractor
Embark Trucks Inc.(Embark卡车公司);Scania CV(斯堪尼亚CV公司);Autonomous Transport Solutions(自主运输解决方案部门)
操纵一个普通的2拖车与一个汽车一样的牵引车在向后运动是一项任务,需要大量的技能来掌握,毫无疑问是一个卡车司机必须执行的最复杂的任务之一。本文提出了一种路径规划和路径跟踪控制解决方案,可用于自动规划和执行困难的停车和避障机动相结合的向后和向前运动。为了生成运动学上可行且无碰撞的路径,设计了一种基于网格的路径规划框架,并设计了一种路径跟踪控制器,以稳定路径执行过程中的横向和角向路径跟踪误差状态。为了估计控制所需的车辆状态,开发了一种非线性观测器,该观测器仅利用安装在汽车式拖拉机上的传感器的信息,使得系统独立于附加的拖车传感器。建议的路径规划和路径跟踪控制框架上实现了全尺寸的测试车辆和模拟和现实世界的实验结果。
2019-06-25 cs.RO
One-Step Model Predictive Path Integral for Manipulator Motion Planning Using Configuration Space Distance Fields
Department of Information Physics and Computing, The University of Tokyo(东京大学信息物理与计算系)
提出将构型空间距离场与模型预测路径积分结合,利用CDF梯度统一代价函数并缩短规划时域至一步,实现高效避障,在2D环境和7自由度机械臂仿真中成功率近100%,控制频率超750Hz。
2026-06-16 cs.RO
Configuration Control for Physical Coupling of Heterogeneous Robot Swarms
Carnegie Mellon University(卡内基梅隆大学)
在本文中,我们提出了一个异构的机器人群体系统,可以相互耦合,形成功能结构和动态解耦,以执行个别任务。机器人之间的连接可以通过被动耦合机制形成,确保耦合和解耦行为期间的最小能耗。系统的异质性使机器人能够根据特定的环境要求执行结构增强配置。我们提出了一个面向连接对的配置控制算法,以形成不同的装配体。我们展示了多达九个机器人执行耦合,间隙交叉和解耦行为的实验。
2022-03-01 cs.RO
Efficient Computation of a Continuous Topological Model of the Configuration Space of Tethered Mobile Robots
Delft Center for Systems and Control(代尔夫特系统与控制中心)
本文提出一种高效计算 tethered机器人配置空间连续拓扑模型的方法,通过构建拓扑模型提升路径规划性能。
2025-12-08 cs.RO
Reinforcement learning in linear embedding space unlocks generalizable control across soft robot configurations
National University of Defense Technology(国防科技大学);Hefei University of Technology(合肥工业大学);Nanjing University (Suzhou Campus)(南京大学(苏州校区));Technical University of Munich(慕尼黑工业大学);Beihang University(北京航空航天大学);Newcastle University(纽卡斯尔大学)
提出基于共享线性Koopman嵌入空间的强化学习框架,将控制策略与机器人形态解耦,实现跨33种软体机器人配置的快速迁移,样本量减少75倍,并支持高速运动、重载和多执行器故障下的鲁棒控制。
2026-06-06 cs.RO
A minimum swept-volume metric structure for configuration space
Inria(法国国家信息与自动化研究所);Département d’informatique de l’Ecole normale supérieure (ENS-PSL, CNRS, Inria)(巴黎高等师范学院(ENS-PSL、法国国家科学研究中心、法国国家信息与自动化研究所)计算机系);Center for Data Science, New York University(纽约大学数据科学中心)
借用固体力学和微分几何的基本思想,本演示文稿表明,由一个规则的固体进行广泛的一类体积保持变形的体积扫过诱导一个相当自然的度量结构与定义良好的和可计算的测地线在其配置空间。这一一般结果适用于具体类的关节式物体,如机器人操作器,我们证明了作为一个概念的证明,自由飞杆和平面机器人手臂的测地线路径的计算,以及它们在路径规划中的使用与许多障碍。
2022-11-21 cs.RO
Hybrid Feedback Path Following for Robotic Walkers via Bang-Bang Control Actions
University of Trento(特伦托大学)
我们展示了一个控制算法,引导机器人步行助手沿着规划的路径。控制策略利用安装在步行机后轮的机电制动器。为了降低硬件要求,我们采用了四个动作的Bang Bang方法(制动力矩为饱和值)。当平台远离路径时,我们执行一个接近阶段,其中步行者以指定的角度向平台收敛。当它接近平台时,控制策略切换到路径跟踪模式,该模式使用四个控制动作以作为状态的函数的角度朝向路径收敛。通过这种方式,可以在反馈中控制车辆,确保用户温和地收敛到计划的路径,并朝着目的地稳步前进。
2016-03-01 cs.RO
A Novel and Accurate BiLSTM Configuration Controller for Modular Soft Robots with Module Number Adaptability
Scuola Superiore Sant’Anna(圣安娜高等科学院);The Chinese University of Hong Kong(香港中文大学)
本文针对模块化软体机器人精确控制难题,提出一种基于双向LSTM的构型控制器,通过仿真与真实机器人实验验证其在不同模块数量下的自适应控制能力。
2024-01-19 cs.RO
GPU Based Path Integral Control with Learned Dynamics
Georgia Institute of Technology(佐治亚理工学院);University of Washington(华盛顿大学)
我们提出了一种算法,结合了最新的进展,基于模型的路径积分控制与机器学习方法来学习前向动力学模型。我们利用GPU的并行计算能力,从学习的概率动力学模型中快速获取大量样本,我们使用这些样本来近似最优控制的路径积分形式。由此产生的算法以滚动时域的方式实时运行,并且不受关于成本、约束或动态的限制性假设的影响。一个简单的变化的路径积分控制制定允许算法在规划过程中考虑模型的不确定性,我们证明了其性能的四旋翼导航任务。除了这种新颖的适应路径积分控制,这是第一次,滚动时域实现迭代路径积分控制已运行在一个真实的系统。
2015-03-01 cs.RO
Output Mode Switching for Parallel Five-bar Manipulators Using a Graph-based Path Planner
University of Notre Dame(圣母大学)
并联机器人位形流形比串联机器人具有更强的非线性。从质量上看,它们可以看到拥有额外的褶皱。通过将这样的流形投影到工程相关的空间上,例如输出工作空间或输入致动器空间,这些折叠投射出表现出非光滑行为的边缘。例如,在一个五杆机构的全局工作空间边界内出现了几个局部工作空间边界,它们只约束机构的某些输出模式。这种边界的存在,表现在输入和输出的投影,作为一个来源的混乱时,这些投影的研究专门,而不是配置流形本身。特别是,非对称并联机器人的设计已被混淆的奇异投影在其输入和输出空间的存在。在本文中,我们表示的配置空间的半径图,然后加权每个边缘通过解决一个优化问题,使用同伦连续量化传输质量。然后,我们采用了图形路径规划器近似的配置点,避免低传输质量的区域之间的测地线。我们的方法自动生成能够在非相邻输出模式之间转换的路径,该运动涉及密切多个工作空间边界(局部,全局或两者)。我们将我们的技术应用到两个非对称的五杆的例子,演示如何传输特性和其他特性的工作空间可以通过切换输出模式进行选择。
2022-09-22 cs.CG cs.RO
Cooperative Path-following Control of Remotely Operated Underwater Robots for Human Visual Inspection Task
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);Tokai University(东海大学)
遥控潜水器(ROV)已经引起了人们对水下任务的极大关注,例如基础设施的检查和维护。即使是熟练的操作员,操作员的工作量也往往很大。因此,期望用于操作者的辅助方法。本研究的对象是,在由操作人员进行视觉检查的同时,控制水下机器人沿着一定的路径行进的作业。在这种作业中,由于视觉检查是由操作人员进行的,所以希望能够手动实现轨迹控制的速度。然而,为了将资源分配给目视检查,期望通过辅助自动控制来最小化路径跟踪上的工作量。因此,本研究的目的是开发一种合作的路径跟踪控制方法,实现上述任务,通过扩展的非完整轮式车辆的鲁棒路径跟踪控制律。为了简化这个问题,我们考虑了一个路径跟踪和视觉对象识别任务在一个二维平面。我们进行了一项实验,参与者(n=16)谁完成了任务,使用所提出的方法和手动控制。结果表明,无论是路径跟踪误差和工作量的参与者显着小于所提出的方法比手动控制。此外,主观反应表明,操作员的注意力往往被分配到物体识别,而不是机器人操作任务与所提出的方法。这些结果表明所提出的协同路径跟踪控制方法的有效性。
2022-03-25 cs.RO
Integrating Vehicle Slip and Yaw in Overarching Multi-Tiered Automated Vehicle Steering Control to Balance Path Following Accuracy, Gracefulness, and Safety
University of Utah(犹他大学)
平衡路径跟踪精度和误差收敛与转向控制中的优雅运动是具有挑战性的,因为这些要求的竞争性质,特别是在一系列操作速度和条件下。本文证明了一个综合的多层转向控制器考虑滑移的影响,运动控制,动态控制,和转向执行器速率命令实现准确和优雅的路径跟踪。这项工作是建立在多层侧滑和偏航为基础的模型,它允许推导控制器考虑误差由于侧滑和转向命令和优雅的横向运动之间的映射。基于观测器的侧滑估计与运动控制器中的航向误差相结合,以提供前馈滑移补偿。通过一个连续的变结构控制器(VSC)补偿路径跟踪误差,该控制器使用基于速度的路径流形来平衡优雅运动和误差收敛。反推动态控制器使用所得到的横摆率命令来生成转向率命令。高增益观测器(HGO)估计侧滑和偏航率的输出反馈控制。给出了输出反馈控制器的稳定性分析,解决了尖峰问题。工作集中在横向控制,使转向控制器可以与其他速度控制器相结合。实地结果提供了与相关方法的比较,证明了在不同天气条件和扰动的不同复杂情况下的可靠性和准确性。
2022-07-12 cs.RO
3D Path-Following Guidance via Nonlinear Model Predictive Control for Fixed-Wing Small UAS
Ann and H.J. Smead Department of Aerospace Engineering Sciences at the University of Colorado Boulder(科罗拉多大学博尔德分校安与H.J.斯梅德航空航天工程科学系);Charles Stark Draper Laboratory Inc.(查尔斯·斯泰克·德帕尔实验室公司)
本文提出基于非线性模型预测控制的3D路径跟随引导算法,通过动态优化路径速率实现路径进展与距离的平衡,验证了其在高速飞行中的有效性。
2025-12-30 cs.RO
A Versatile Neural Network Configuration Space Planning and Control Strategy for Modular Soft Robot Arms
Biorobotics Institute and the Department of Excellence in Robotics and AI(生物机器人研究所和机器人与人工智能卓越部门);Scuola Superiore Sant’Anna(圣安娜高等学院);CREATE Lab(CREATE实验室);EPFL(瑞士联邦理工学院)
本文提出S2C2A策略,通过biLSTM前向模型进行状态到构型规划,并用基于biLSTM的构型控制器实现绳索驱动模块化软体机器人臂的精确控制,支持离线位姿控制、避障及在线交互任务。
2025-06-08 cs.RO
Combining Safe Interval Path Planning and Constrained Path Following Control: Preliminary Results
National Research University Higher School of Economics(国家研究型高等经济大学);Moscow Institute of Physics and Technology(莫斯科物理技术学院);Peoples’ Friendship University of Russia (RUDN University)(俄罗斯人民友谊大学(RUDN大学));Bauman Moscow State Technical University(鲍曼莫斯科国立技术大学)
本文研究了机器人在静态和动态障碍物中的导航问题,并采用分层的方法进行了求解。首先,采用能够处理任意角度平移和旋转的安全区间路径规划算法规划参考轨迹。其次,路径跟踪问题被视为有约束的控制问题,并提出了原来的基于平坦性的方法来产生控制。我们提出了一些增强的路径规划算法,旨在寻找轨迹,更有可能被机器人没有碰撞。进行的实验评估的结果表明,成功解决的导航实例的数量显着增加时,使用建议的技术。
2019-06-17 cs.RO math.OC
A Search Algorithm for Simplicial Complexes
Lehigh University(理海大学)
我们提出了'基本S*'算法计算最短路径通过一个度量单纯复形。特别地,给定一个度量图$G$,它被构造为底层配置空间(一个更大的“连续”空间/流形,通常维数大于1)的离散表示,我们考虑与之关联的Rips复形$\mathcal{R}(G)$。这样的复形,因此其中的最短路径,比图更接近底层度量空间。虽然连续空间的离散图形表示对于机器人系统的配置空间中的运动规划是方便的,但是由周围配置空间在它们中引入的度量与配置空间本身的度量显著不同。我们使用单纯复表示来解决这个问题。我们的算法只需要一个抽象图,$G=(V,E)$,和成本/长度函数,$d:E\rightarrow \mathbb{R}_+$,作为输入,而不需要全局信息,如嵌入或全局坐标图。的基本S* 算法的复杂性是可比的Dijkstra的搜索,但是,在本文中提出的结果表明,使用该算法获得的最短路径表示/近似的测地线路径在原始度量空间显着更密切。
2016-08-06 cs.CG cs.DM cs.RO