用于机器人机械臂全局反应式避障的知情圆场
Informed Circular Fields for Global Reactive Obstacle Avoidance of Robotic Manipulators
AI总结：
本文扩展了圆场预测（CFP）规划器，提出一种利用全局避障方向信息的机器人机械臂全局反应式运动规划框架，在降低计算量的同时实现整体结构避障与轨迹优化。
摘要：
本文提出了一种用于复杂动态环境中机器人机械臂的全局反应式运动规划框架。具体而言，扩展了Becker等人（2021年）的圆场预测（CFP）规划器，以确保机器人机械臂整体结构的避障。为此，开发了一个运动规划框架，利用来自任意构型空间运动规划器的有前景的避障方向的全局信息，从而在反应式避开动态障碍物的同时改进全局轨迹，并降低所需的计算能力。所得到的运动规划框架在多次具有复杂和动态障碍物的仿真中进行了测试，与现有运动规划方法相比展现出巨大潜力。
英文摘要：
In this paper a global reactive motion planning framework for robotic manipulators in complex dynamic environments is presented. In particular, the circular field predictions (CFP) planner from Becker et al. (2021) is extended to ensure obstacle avoidance of the whole structure of a robotic manipulator. Towards this end, a motion planning framework is developed that leverages global information about promising avoidance directions from arbitrary configuration space motion planners, resulting in improved global trajectories while reactively avoiding dynamic obstacles and decreasing the required computational power. The resulting motion planning framework is tested in multiple simulations with complex and dynamic obstacles and demonstrates great potential compared to existing motion planning approaches.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
