Efficient Collision-Avoidance Constraints for Ellipsoidal Obstacles in Optimal Control: Application to Path-Following MPC and UAVs
Institute of Engineering and Computational Mechanics, University of Stuttgart（工程与计算力学研究所，斯图加特大学）；Chair of Systems Modeling and Simulation, Saarland University（系统建模与仿真教授团，萨尔兰大学）；Department of Mechanical Engineering, LUT University（机械工程系，卢霍斯大学）
针对无人机三维避障需求，提出含高效连续可微椭球碰撞检测条件与两阶段优化的模块化最优控制框架，应用于路径跟踪MPC，经仿真和Crazyflie实物实验验证，为同类MPC首次无人机三维硬件验证。
2025-10-30 cs.RO cs.SY eess.SY
Decoupling Collision Avoidance in and for Optimal Control using Least-Squares Support Vector Machines
Department of Mechanical Engineering, Faculty of Engineering Science, KU Leuven（机械工程系，工程科学学院，比利时鲁汶大学）
本研究针对最优控制中的非凸避碰约束问题，提出将分离超平面定理转化为分类问题的双层算法，实现约束线性化，显著提升了拥挤环境下的运动规划计算效率。
2025-05-16 cs.RO math.OC
Collision-free Motion Generation Based on Stochastic Optimization and Composite Signed Distance Field Networks of Articulated Robot
本文提出复合SDF网络快速计算机器人与障碍物距离，并结合MPPI随机优化进行贝叶斯轨迹规划，在Franka Emika Panda上实现无碰撞、时间最优运动。
2023-06-07 cs.RO
Efficient Formulation of Collision Avoidance Constraints in Optimization Based Trajectory Planning and Control
Kiel University（基尔大学）
为了适用于现实世界的情况下，移动自主系统的轨迹规划方案必须能够有效地处理在操作区域中的障碍物。在基于优化的轨迹规划和控制的背景下，可以在文献中找到许多不同的方法来制定防撞约束。在这里，本工作的贡献是双重的。首先，最流行的方法来表示障碍物，即简单的椭球表示，构造性立体几何（CSG）的方法，以及直接和间接实现的符号距离为基础的方法进行了总结。制剂的特点是相对于最优化问题的复杂性的影响，以及满足不同的问题要求的能力。其次，这项工作提出了一种新的变形CSG方法来描述避碰约束。它是非常高效的，由于一个非常低的数量的非线性不等式约束所需的一个给定数量的障碍物和样本点，并与原来的CSG制定允许考虑受控系统的形状。通过与先前提到的替代品的比较，证明了所提出的制剂的良好性能。为此，将制定为非线性规划问题的海洋水面船舶最佳轨迹规划用作基准示例，其中该场景是基于德国基尔的海事测试场设计的。
2021-04-26 cs.RO math.OC
Relaxed-Rigidity Constraints: Kinematic Trajectory Optimization and Collision Avoidance for In-Grasp Manipulation
University of Utah Robotics Center（犹他大学机器人中心）；School of Computing, University of Utah（犹他大学计算机学院）
本文提出了一种新的方法来执行掌握操作：移动的问题，从一个初始姿势的手掌参考对象的目标姿势，而不中断或进行接触。我们的方法来执行掌握操纵使用运动学轨迹优化，不需要知道的动态特性的对象。我们实现了我们的方法在Allegro机器人手，并进行了彻底的实验，从YCB数据集的10个对象。然而，所提出的方法是足够一般的机器人可以抓住的大多数物体产生的运动。实验结果支持其在各种物体形状上应用的可行性。我们探索我们的方法，包括避免碰撞和关节空间平滑成本的适应性，以额外的任务要求。抓取的物体通过使用带符号的距离成本函数来避免与环境的碰撞。我们通过要求平滑的关节轨迹来减少未建模对象动态的影响。我们还通过制定对象姿态反馈控制器来补偿轨迹执行过程中遇到的误差。
2018-06-09 cs.RO
Real-Time and Accurate Collision-Free Teleoperation via Differentiable Constraint-Based Trajectory Planning
FZI - Forschungszentrum Informatik（FZI 信息技术研究中心）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
针对遥操作中自碰撞与环境碰撞问题，提出基于对偶可微碰撞约束的轨迹规划方法，采用胶囊体与多面体建模，实现更低计算时间和更精确障碍物建模，保证平滑无碰撞遥操作。
2026-06-07 cs.RO cs.SY eess.SY
Sampling-free obstacle gradients and reactive planning in Neural Radiance Fields (NeRF)
ETH Zurich（苏黎世联邦理工学院）
这项工作研究了神经隐式表示（特别是神经辐射场（NeRF））在几何查询和运动规划中的使用。我们表明，通过将推断半径内占用的能力添加到预先训练的NeRF中，我们有效地学习了对欧几里得符号距离场（ESDF）的近似。使用后向差分的增强网络，我们得到一个障碍梯度，集成到一个避障策略的基础上的黎曼运动策略（RMP）的框架。因此，我们的研究结果允许非常快速的采样自由避障规划的隐式表示。
2022-05-03 cs.CV cs.RO
Regularized Deep Signed Distance Fields for Reactive Motion Generation
Technische Universität Darmstadt（达姆施塔特工业大学）
自主机器人应该在真实世界的动态环境中运行，并在狭小的空间中与人类合作。允许机器人离开结构化实验室和制造环境的一个关键组成部分是它们能够在线和实时评估与周围世界的碰撞。基于距离的约束是使机器人能够计划其行动并安全行动的基础，从而保护人类及其硬件。然而，不同的应用程序需要不同的距离分辨率，导致各种启发式的方法来测量距离场w.r.t.障碍物，这在计算上是昂贵的，并且阻碍了它们在动态障碍物规避用例中的应用。我们提出了正则化深度符号距离场（RedSDF），这是一个单一的神经隐式函数，可以计算任何尺度的平滑距离场，在高维流形和人类等关节体上具有细粒度的分辨率，这要归功于我们有效的数据生成和训练过程中的简单归纳偏差。我们证明了我们的方法的有效性，在代表性的模拟任务的全身控制（WBC）和安全的人机交互（HRI）在共享的机器人。最后，我们提供了一个现实世界中的应用程序的概念证明HRI移交任务与移动机械手机器人。
2022-07-29 cs.LG cs.RO
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
CSSDF-Net: Safe Motion Planning Based on Neural Implicit Representations of Configuration Space Distance Field
IRMV Lab, Department of Automation, Shanghai Jiao Tong University（IRMV实验室，自动化系，上海交通大学）
本文提出CSSDF-Net，通过学习配置空间中的连续签名距离场，实现统一的安全性几何概念，结合安全约束轨迹优化和递推预测控制，支持零样本泛化和高效避障。
2026-03-19 cs.RO
Achieving Autonomous Cloth Manipulation with Optimal Control via Differentiable Physics-Aware Regularization and Safety Constraints
University of California San Diego（加州大学圣地亚哥分校）
本文提出基于XPBD的可微布料动力学框架，结合轨迹平滑与弹性势能正则化及SDF安全约束，将布料操作建模为可微约束优化问题，并在手术机器人上验证了轨迹可行性。
2023-09-20 cs.RO cs.SY eess.SY
Differentiable SpaTiaL: Symbolic Learning and Reasoning with Geometric Temporal Logic for Manipulation Tasks
UC Riverside（加州大学河滨分校）；Lehigh University（里海大学）
本文提出可微分空间时间逻辑框架，通过构建光滑的几何基础元来解决复杂操作任务中的几何与时间约束问题，实现端到端的可微分映射，无需外部离散求解器。
2026-04-07 cs.RO
OREN: Octree Residual Network for Real-Time Euclidean Signed Distance Mapping
Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电子与计算机工程系）
OREN结合八叉树插值的显式先验和神经网络回归的隐式残差，实现高效且可微的非截断SDF重建，优于现有方法的准确性和效率。
2026-07-10 cs.AI cs.CV cs.RO
Funnel planning and control for manipulators using neural Signed Configuration Distance Functions
ABB Robotics（ABB机器人公司）；Uppsala University（乌普萨拉大学）
该研究针对KDF规划器计算漏斗耗时的局限，提出基于nSCDF的机械臂漏斗规划与控制方案，使规划速度提升2倍、路径缩短20%、间隙提升5倍，且运动性能与鲁棒性均得到改善。
2026-10-14 cs.RO
Safe Planning for Articulated Robots Using Reachability-based Obstacle Avoidance With Spheres
University of Michigan（密歇根大学）
针对实时运动规划中安全性与实时性的权衡问题，提出基于可达集和精确有符号距离的滚动时域规划器SPARROWS，通过球体过近似扫掠体积生成可证明无碰撞的安全轨迹，降低了保守性并优于现有方法。
2024-02-13 cs.RO
GPU-Accelerated Polygonal Signed Distance Functions for Real-Time Collision Avoidance
School of Mechanical Engineering, Yonsei University（延世大学机械工程学院）
研究在密集障碍物环境中实时碰撞避免问题，提出多边形符号距离函数（PSDF），通过张量化几何管道实现GPU加速，嵌入模型预测控制，设计分离CPU/GPU计算，实验证明其有效性。
2026-09-30 cs.RO
Non-differentiable Reward Optimization for Diffusion-based Autonomous Motion Planning
Department of Mechanical Engineering, KAIST（韩国科学技术院机械工程系）；Department of Electrical Engineering and Computer Science, DGIST（韩国科学技术院电子工程与计算机科学系）
本文针对扩散运动规划模型难以直接优化安全性和有效性等非可微目标的问题，提出基于强化学习的训练方案，并设计奖励加权动态阈值算法，在CrowdNav和ETH-UCY等行人数据集上取得了优于现有方法的安全有效运动规划性能。
2025-07-17 cs.RO
Multi-finger Manipulation via Trajectory Optimization with Differentiable Rolling and Geometric Constraints
University of Michigan（密歇根大学）；Honda Research Institute USA（美国本田研究所）
本文提出融合物体 SDF 与采样的可微接触、滚动约束轨迹优化方法，处理复杂几何下的多指灵巧操作，并在基准与真实任务中验证其优于基线且可跨越 sim2real 差距。
2024-12-10 cs.RO
E2DRL: End-to-End Differentiable Reinforcement Learning for 3D Obstacle Avoidance in Quadruped Robots
National University of Singapore（新加坡国立大学）
本研究提出E2DRL算法，通过软可微障碍物交互公式解决梯度破坏问题，结合SAPO、DAgger等技术实现四足机器人3D避障，在仿真中性能优于PPO等方法并完成了仿真到真实场景的验证。
2026-10-15 cs.RO
Neural NMPC through Signed Distance Field Encoding for Collision Avoidance
Autonomous Robots Lab, Norwegian University of Science and Technology (NTNU)（自主机器人实验室，挪威科学技术大学）
本文提出一种基于符号距离场编码的神经NMPC框架，用于飞行器在未知环境中的无地图避障导航，通过深度学习编码环境信息并实现安全避障。
2025-11-26 cs.RO
Collision Avoidance for Ellipsoidal Rigid Bodies with Control Barrier Functions Designed from Rotating Supporting Hyperplanes
Department of Systems and Control Engineering, Tokyo Institute of Technology（东京工业大学系统与控制工程系）；Department of Electronics and Bioinformatics, Meiji University（明治大学生物信息学与电子工程系）
针对椭球刚体避障问题，提出基于旋转支撑超平面设计的CBF方法，通过最大化有符号距离消除保守性，结合QP实现分布式无碰撞控制，可扩展至非完整动力学车辆。
2023-08-23 cs.RO cs.SY eess.SY
Differentiable Optimization Based Time-Varying Control Barrier Functions for Dynamic Obstacle Avoidance
New York University（纽约大学）
本文提出基于可微优化的时变控制障碍函数，将静态几何避障扩展到动态场景，并纳入测量噪声与执行器限制，通过仿真和7自由度Franka Research 3实验验证其有效性。
2024-01-24 cs.RO
A Collision-Free MPC for Whole-Body Dynamic Locomotion and Manipulation
ETH Zurich（苏黎世联邦理工学院）；NVIDIA（英伟达）
在本文中，我们提出了一个实时的全身规划器的碰撞无腿移动操作。我们执行自碰撞和环境碰撞避免软约束内的模型预测控制（MPC）计划，解决了多接触最优控制问题。通过惩罚一组代表性的原始碰撞体之间的有符号距离，机器人能够安全地执行各种动态机动，同时防止任何自碰撞。此外，在静态和动态环境中的无碰撞导航和操纵是可行的，通过有效的查询的距离和梯度，通过一个欧几里德签署的距离场。我们通过比较研究表明，我们的方法只是稍微增加了计算复杂性的MPC规划。最后，我们验证了我们的框架的有效性，通过一组硬件实验，涉及动态移动操作任务与潜在的碰撞，如运动平衡与摆动臂，重量投掷，和自主开门。
2022-02-24 cs.RO
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
Efficient optimization-based trajectory planning
College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院）；Chalmers University of Technology（查尔姆斯理工大学）
本文提出统一的基于优化的轨迹规划框架，利用凸集分离与包含约束处理避碰问题，并在自主泊车和弯道超车中验证了其计算效率优势。
2024-07-07 cs.RO
Grasping Trajectory Optimization with Point Clouds
University of Texas at Dallas（德克萨斯大学达拉斯分校）
本文提出一种基于点云表示的通用抓取轨迹优化方法，将目标到达建模为点匹配、碰撞避免通过有符号距离场查询实现，并在Fetch和Franka Panda机器人上验证了有效性。
2024-08-07 cs.CV cs.RO
Safe Learning-based Gradient-free Model Predictive Control Based on Cross-entropy Method
Sun Yat-sen University（中山大学）
提出了一种安全的、基于学习的模型预测控制（MPC）控制框架，用于在不确定环境干扰下优化目标函数不可微的非线性系统。该控制框架以最小干预的方式集成了基于学习的MPC和辅助控制器。基于学习的预测控制通过增量式高斯过程对先验标称模型进行增广，以学习不确定扰动。交叉熵方法（CEM）被用作基于采样的MPC与不可微的目标函数的优化。设计了一个最小干预控制器，该控制器具有控制李雅普诺夫函数和控制障碍函数，用于指导采样过程，并赋予系统高概率安全性。在不确定风干扰下，该算法在模拟四旋翼飞行器的轨迹跟踪和避障任务中显示出安全和自适应的控制性能。
2022-02-21 cs.RO
Real-Time-Feasible Collision-Free Motion Planning For Ellipsoidal Objects
Robert Bosch GmbH, Corporate Research（罗伯特·博世有限公司，企业研究）；Department of Microsystems Engineering (IMTEK), University of Freiburg（弗赖堡大学微系统工程系（IMTEK））；School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）；Department of Mathematics, University of Freiburg（弗赖堡大学数学系）
本文提出一种基于闵可夫斯基和参数化过近似的可微碰撞避免约束，用于椭球体对象的实时无碰撞运动规划，并通过MPC在真实实验中验证了其高效性和实时可行性。
2025-04-25 cs.RO cs.SY eess.SY
Safe Navigation and Obstacle Avoidance Using Differentiable Optimization Based Control Barrier Functions
Tandon School of Engineering, New York University（纽约大学坦登工程学院）；New York University Abu Dhabi（纽约大学阿布扎比分校）
本文提出了一种基于可微优化碰撞检测的缩放因子框架，系统地定义用于避障任务的控制障碍函数，并在2D移动机器人和FR3机器人操纵器上验证了其计算高效性和实时控制能力。
2023-11-22 cs.RO
Diffeomorphic Obstacle Avoidance for Contractive Dynamical Systems via Implicit Representations
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Bosch Center for Artificial Intelligence（博世人工智能中心）
本文提出了名为Signed Distance Field Diffeomorphic Transform的框架，通过SDFs和微分同胚变换实现保持收缩稳定性的全身避障，在合成数据集和真实厨房机器人任务中验证了其优于现有方法的安全性和鲁棒性。
2025-04-26 cs.LG cs.RO cs.SY
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
A Rapid Trajectory Optimization and Control Framework for Resource-Constrained Applications
Texas A&M University（德克萨斯农工大学）
本文提出一种基于积分切比雪夫配点法的模型预测控制框架，将轨迹优化转化为二次规划，实现资源受限环境下的快速自主代理控制与多智能体协同。
2025-03-24 cs.RO cs.SY eess.SY
Differentiable Collision Avoidance Using Collision Primitives
ETH（苏黎世联邦理工学院）；University of Haifa（海法大学）
机器人运动规划的一个中心方面是避免碰撞，其中目前使用多种不同的方法。基于优化的运动规划是一种方法，其通常严重依赖于机器人与障碍物之间的距离计算。这些计算很容易成为瓶颈，因为它们不能很好地扩展机器人或环境的复杂性。为了提高性能，许多不同的方法建议使用碰撞基元，即近似更复杂的刚体的简单形状，并且更容易计算距离。然而，每对原语都需要自己的专用代码，并且已知某些对会遇到数值问题。在本文中，我们提出了一个易于使用的，统一的处理各种各样的原语。我们制定的距离计算作为一个最小化的问题，我们迭代解决。我们将展示如何采取衍生物的最小化问题，使其无缝集成到一个轨迹优化方法。我们的实验表明，我们的方法表现良好，无论是在时间和质量的轨迹。我们实现的源代码将在验收后发布。
2022-04-20 cs.RO
Risk-Aware Non-Myopic Motion Planner for Large-Scale Robotic Swarm Using CVaR Constraints
College of Engineering, Peking University（北京大学工学院）
提出风险感知集群运动规划器 ROVER，基于高斯混合模型宏观状态构建有限时模型预测控制问题，通过施加 CVaR 约束确保避障，并利用解析表达式和序列线性规划实现高效求解，有效提升了大规模集群的灵活性、可扩展性与安全性。
2024-08-28 cs.RO
Differentiable Composite Neural Signed Distance Fields for Robot Navigation in Dynamic Indoor Environments
Purdue University（普渡大学）
提出一种基于神经SDF的组合框架，通过双模式轨迹优化流程结合机器人本体SDF与场景SDF，在动态室内环境中实现高效导航，成功率较基线提升14.4%。
2025-03-06 cs.RO
Continuous Trajectory Optimization via B-splines for Multi-jointed Robotic Systems
University of California, Berkeley（加州大学伯克利分校）
轨迹规划问题的连续公式有两个主要好处。首先，保证约束在任何时候都得到满足。其次，动态障碍可以自然地随着时间而考虑。提出了一种新的基于B样条的多关节机器人轨迹优化方法，该方法能够在保证连续约束满足的情况下提供连续轨迹。在这种方法的核心，B样条的基本操作，如加法，乘法和导数，严格定义和应用的问题制定。利用B样条曲线的凸包和光滑曲线特性，将原连续优化问题转化为有限维问题。利用有符号距离场实现了对静态障碍物的避碰，通过构造时变分离超平面实现了对动态障碍物的避碰。对各种机器人的仿真结果验证了算法的有效性。此外，本文提供了实验验证与6连杆FANUC机器人避免静态和移动障碍物。
2022-12-20 cs.RO
Zero-Shot Reactive Obstacle Avoidance for Generative Robot Policies
Rice University（莱斯大学）；Ken Kennedy Institute at Rice University（莱斯大学肯·肯尼迪研究所）
提出NUDGE，一种无需训练的零样本避障方法，通过注入符号距离场梯度到扩散或流匹配策略中，支持多种动作参数化，实时反应式避障且保持任务分布。
2026-09-30 cs.RO
Optimization-free Smooth Control Barrier Function for Polygonal Collision Avoidance
Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University（机器人与自动化信息系统研究所，人工智能学院，南开大学）；Institute of Intelligence Technology and Robotic Systems, Shenzhen Research Institute of Nankai University（智能技术与机器人系统研究所，南开大学深圳研究院）
本文针对多边形避障中非光滑边界及SDF类CBF依赖优化的问题，提出基于布尔逻辑下界与log-sum-exp平滑近似的无优化平滑CBF安全滤波器，并在车辆和起重机仿真中验证。
2025-05-13 cs.RO cs.SY eess.SY
Flow-Opt: Scalable Centralized Multi-Robot Trajectory Optimization with Flow Matching and Differentiable Optimization
University of Tartu（塔尔图大学）
本文提出Flow-Opt，通过生成模型与可微优化提升集中式多机器人轨迹优化的计算效率，实现快速生成数十机器人在复杂环境中的平滑轨迹，并支持批量处理与多样化路径生成。
2026-07-01 cs.LG cs.RO
Perceptive Locomotion through Nonlinear Model Predictive Control
ETH Zurich（苏黎世联邦理工学院）；École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
在崎岖地形中的动态运动需要精确的脚的位置，避免碰撞，并规划系统的欠驱动动力学。在存在不完美且通常不完整的感知信息的情况下，可靠地优化此类运动和交互是具有挑战性的。我们提出了一个完整的感知，规划和控制管道，可以优化运动的所有自由度的机器人在实时。为了减轻地形所带来的数值挑战，提取一系列凸不等式约束作为立足点可行性的局部近似，并嵌入到在线模型预测控制器中。可步进性分类、平面分割和有符号距离场是针对每个高程图预先计算的，以最大限度地减少优化期间的计算工作量。多重射击，实时迭代和基于滤波器的线搜索的组合被用来解决制定的问题可靠，高速率。我们验证了所提出的方法在模拟和实验的ANYmal四足平台上的间隙，斜坡和垫脚石的情况下，导致最先进的动态攀登。
2022-08-17 cs.RO
Whole-body motion planning and safety-critical control for aerial manipulation
School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（机械与航空航天工程学院，南洋理工大学，新加坡）；Department of Aerospace Engineering, Seoul National University, South Korea（航空航天工程系，首尔国立大学，韩国）
本文提出基于超级二次曲面的空中操作器全身运动规划与安全关键控制框架，通过融合Voronoi图与平衡流形生成平滑轨迹，并设计高阶控制屏障函数实现碰撞避让，实验验证其在复杂环境中的高效性和鲁棒性。
2026-05-15 cs.RO
Optimization-Based Collision Avoidance
Model Predictive Control Laboratory, Department of Mechanical Engineering, University of California, Berkeley, USA（加州大学伯克利分校机械工程系模型预测控制实验室）；Automatic Control Laboratory, Department of Information Technology and Electrical Engineering, ETH Zurich, Switzerland（苏黎世联邦理工学院信息科技与电气工程系自动控制实验室）
本文提出一种将非光滑避障约束转化为光滑非线性约束的方法，利用凸优化的强对偶性。该方法适用于在n维空间中移动的受控物体，能处理一般障碍物和可表示为有限凸集并集的受控物体，并结合了传统轨迹生成算法中常用的有号距离概念。
2018-06-10 cs.RO cs.SY eess.SY
Adaptive Distance Functions via Kelvin Transformation
RPL, EECS, KTH Royal Institute of Technology（皇家理工学院电子工程系和RPL）
针对机器人操作中安全性仅等同于避障的局限，提出基于Kelvin变换的语义感知距离函数，通过在有界域求解Laplace方程计算无界域平滑距离，将任务语义纳入安全集的自适应隐式表示，并在数值实验中验证了其计算可行性。
2025-05-28 cs.RO
Energy Consumption in Robotics: A Simplified Modeling Approach
Fraunhofer IPK（弗劳恩霍夫生产系统与设计技术研究所）
针对机器人轨迹优化中能耗模型复杂且难以集成的问题，提出一种基于标准开源工具和ROS的简化建模方法，结合逆动力学与单参数电气模型，在协作机器人上验证了其精度和易用性。
2024-11-05 cs.RO
Smoothly Differentiable and Efficiently Vectorizable Contact Manifold Generation
University of Tübingen（图宾根大学）；Idiap Research Institute（Idiap研究机构）；EPFL（瑞士联邦理工学院）
本文提出了一种高效且可微的接触流形生成框架，通过平衡凸原形方法与障碍方法，实现高效且光滑的接触模拟。
2026-02-23 cs.RO
Hamilton-Jacobi Reachability-Based Safe Reinforcement Learning for Emergency Collision Avoidance
Tsinghua University（清华大学）；Jilin University（吉林大学）
提出一种基于Hamilton-Jacobi可达性运动安全集的安全强化学习框架，通过离线数据近似安全集并嵌入约束马尔可夫决策过程，实现紧急避撞中的前瞻性安全监督与策略优化。
2026-06-16 cs.RO cs.SY eess.SY
Velocity Obstacle for Polytopic Collision Avoidance for Distributed Multi-robot Systems
Zhejiang University（浙江大学）
本文扩展速度障碍原理至多面体形状机器人，提出无需优化的VO构建方法及分布式多机器人导航方法，在完成率、死锁率和平均行驶距离等指标上优于现有方法。
2024-06-10 cs.RO cs.SY eess.SY
Distributed Swarm Trajectory Optimization for Formation Flight in Dense Environments
Zhejiang University（浙江大学）；Huzhou Institute, Zhejiang University（浙江大学湖州研究院）
对于空中机群，在各种情况下广泛实践以规定编队的导航。然而，相关的规划策略通常缺乏在杂乱环境中避开障碍物的能力。为了解决这个问题，我们提出了一种基于优化的方法，以确保无碰撞轨迹生成编队飞行。本文提出了一种新的可微度量来量化地层之间的总体相似距离。然后，我们制定这个指标到一个优化框架，实现时空规划使用多项式轨迹。最小化碰撞惩罚也被纳入框架，使编队保持和避障可以同时处理。为了验证我们的方法的效率，我们进行基准比较与其他尖端的作品。结合自主分布式空中集群系统，该方法在现实世界的实验中，障碍物丰富的环境中证明了其效率和鲁棒性。我们将发布源代码供社区参考。
2022-04-21 cs.RO
Control Barrier Functions for Collision Avoidance Between Strongly Convex Regions
UC Berkeley（加州大学伯克利分校）；Tsinghua-Berkeley Shenzhen Institute (TBSI)（清华-伯克利深圳学院）
本文提出基于强凸映射的状态依赖凸集最小距离控制障碍函数方法，利用KKT解ODE快速更新距离导数，并通过二次规划实现无过度近似的实时碰撞避免。
2025-02-04 cs.RO cs.SY eess.SY
Reaching Through Latent Space: From Joint Statistics to Path Planning in Manipulation
Applied AI Lab (A2I)（应用人工智能实验室）；Dynamic Robot Systems (DRS)（动态机器人系统实验室）；Oxford Robotics Institute (ORI), University of Oxford（牛津大学牛津机器人研究所）
我们提出了一种新的方法，机器人操作器的路径规划，其中路径产生通过迭代优化的生成模型的机器人姿态的潜在空间。通过使用在同一空间上操作的约束满足分类器来合并约束。优化通过我们学习的模型利用梯度，提供了一种简单的方法来将目标达到目标与约束满足相结合，即使在存在其他不可微约束的情况下。我们的模型在随机采样的机器人姿势上以任务不可知的方式进行训练。在与一些广泛使用的规划器的基线比较中，我们在任务成功，规划时间和路径长度方面实现了相称的性能，在一个真正的7自由度机器人手臂上进行成功的避障路径规划。
2022-10-21 cs.LG cs.RO
A Temporal Barrier Framework for Collision Avoidance in Multi-Agent Autonomous Aerial Vehicles
Massachusetts Institute of Technology（麻省理工学院）；MIT Lincoln Laboratory（麻省理工学院林肯实验室）
该研究针对多自主飞行器避障问题，提出对抗性碰撞时间嵌入控制屏障函数的aTTC-CBF方法，经仿真验证其在提升航路点推进速度的同时降低了碰撞率。
2026-08-17 cs.RO cs.SY eess.SY
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
Learning Scene-Level Signed Directional Distance Function with Ellipsoidal Priors and Neural Residuals
Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电气与计算机工程系）；Brain Corporation（Brain公司）；Robotics Department, University of Michigan（密歇根大学机器人系）
提出有符号方向距离函数（SDDF），结合显式椭球先验和隐式神经残差，实现高效准确的场景级几何重建与可微渲染。
2026-04-27 cs.CV cs.RO
LNN-Fly: Continuous-Time UAV Navigation for Robust Obstacle Avoidance under Timing Mismatch
Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（深圳先进研究院，电子科技大学）
提出LNN-Fly，一种面向部署的连续时间导航策略，通过动态规划启发的结构化循环更新、显式控制间隔条件和自适应遗忘门，在时序失配下实现鲁棒避障，并在仿真和实物中验证了有效性。
2026-06-27 cs.RO
