GJK-CBF: Control Barrier Functions for Convex Rigid Body Collision Avoidance on SE(3)
University of Maryland(马里兰大学);Boston University(波士顿大学);Nanyang Technological University(南洋理工大学)
本文提出GJK-CBF,利用GJK算法获取见证对并直接构造梯度,无需可微优化,实现SE(3)上凸刚体的高效碰撞避免,并在多机器人交换、狭缝导航及机械臂场景中验证了其无碰撞性和低保守性。
2026-10-06 cs.RO cs.SY eess.SY
Time-Efficient Iterative Learning Planning for Safety-Critical Dynamic Obstacle Avoidance
Beijing Institute of Technology(北京理工大学);Beihang University(北京航空航天大学)
本文通过集成预期风险混合控制障碍函数扩展迭代学习规划,实现动态环境中的安全关键避障,在低计算开销下提升时间效率与安全性。
2026-09-18 cs.RO
Closed-Form Minkowski Sum Approximations for Efficient Optimization-Based Collision Avoidance
Johns Hopkins University(约翰斯·霍普金斯大学)
基于非线性规划的自主系统的运动规划方法在结合各种动力学、目标和约束方面提供了极大的灵活性。这种工具的一个限制是难以有效地表示非平凡形状的避障条件。例如,可以定义适合于在N个时间步长内围绕M个凸多面体导航的圆形机器人的规范设置中的非线性规划求解器的碰撞避免约束。然而,它需要引入(2+L)MN个额外的约束和LMN个额外的变量,其中L是每个多面体的半平面的数量,导致更大的非线性程序,求解时间更慢且更不可靠。在本文中,我们克服了这个问题,通过建立封闭形式的表示的避碰条件外近似的Minkowski和条件的碰撞。我们的解决方案只需要MN约束(没有额外的变量),导致一个较小的非线性规划。在杂乱环境中自动驾驶汽车和四轴飞行器的运动规划问题上,我们分别实现了4.8倍和8.7倍的加速比,求解时间的方差显著减少,并且使用外近似对性能的影响可以忽略不计。
2022-03-30 cs.RO cs.SY eess.SY
Dodging the Moose: Experimental Insights in Real-Life Automated Collision Avoidance
Delft University of Technology(代尔夫特理工大学);The University of Tokyo(东京大学)
本文提出了一种类人前馈规划器,用于在MPC优化问题不可行时辅助实时避撞,通过实验验证了在紧急情景中有效规避静态障碍物的能力。
2026-02-19 cs.RO cs.SY eess.SY
Gradient Field-Based Dynamic Window Approach for Collision Avoidance in Complex Environments
Chalmers University of Technology(楚尔姆斯理工大学);University of Pennsylvania(宾夕法尼亚大学)
本文提出基于梯度场的动态窗口方法(GF-DWA),利用障碍物距离梯度信息预判碰撞,提升多机器人系统在复杂非凸环境中的安全性和灵活性。
2025-07-08 cs.RO cs.SY eess.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
Implicit Neural Field-Based Process Planning for Multi-Axis Manufacturing: Direct Control over Collision Avoidance and Toolpath Geometry
Department of Mechanical and Aerospace Engineering, The University of Manchester(机械与航空航天工程系,曼彻斯特大学)
本文提出基于隐式神经场的多轴过程规划框架,通过整合层生成和路径设计,实现碰撞避免和路径几何的直接优化,验证了方法在增材和减材制造中的有效性。
2026-04-20 cs.RO
Dynamic Obstacle Avoidance through Uncertainty-Based Adaptive Planning with Diffusion
Purdue University(普渡大学);DEVCOM Army Research Laboratory(DEVCOM陆军研究实验室)
提出基于不确定性的自适应生成规划方法,通过动态调整扩散模型的重新规划频率,在保持避障性能的同时减少计算开销,实现更安全的动态环境导航。
2024-09-25 cs.AI cs.LG cs.RO
Stream Function-Based Navigation for Complex Quadcopter Obstacle Avoidance
GIPSA-lab, Université Grenoble Alpes - CNRS(格拉诺布尔大学实验室,格拉诺布尔大学-国家科学研究中心);Department of Mechanical Engineering, Dalhousie University(达勒豪西大学机械工程系);Advanced Control and Mechatronics Laboratory, Department of Mechanical Engineering, Dalhousie University(达勒豪西大学先进控制与机电实验室,机械工程系)
提出基于流函数的避障导航系统,结合涡流面法与MPC-HOCBF控制器,实现四旋翼在复杂部分观测环境中的实时安全避障。
2025-07-13 cs.RO cs.SY eess.SY
Whole-Body Planning for Humanoids Navigating Confined Spaces via Self-Collision Avoidance References
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出三阶段全身规划框架,结合可微分自碰撞规避与可达性约束,在Unitree G1人形机器人上实现Cr<1.5的受限空间导航,生成复杂接触轨迹并训练出鲁棒在线跟踪策略。
2026-08-12 cs.RO
GPS Denied IBVS-Based Navigation and Collision Avoidance of UAV Using a Low-Cost RGB Camera
Electrical and Computer Engineering Dept., National University of Singapore(新加坡国立大学电子与计算机工程系);National University of Singapore(新加坡国立大学)
本文提出一种仅依赖RGB相机和机载Jetson平台的IBVS框架,通过AI单目深度估计实现无路径规划的无人机导航与避障,并在GPS拒止环境下验证其有效性。
2025-09-22 cs.RO cs.SY eess.SY
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
Real-Time Deployment of a Large-Scale Multi-Quadcopter System (MQS)
University of Arizona(亚利桑那大学)
本文提出了一种基于连续体力学的方法,用于在3-D运动空间中任意分布的移动初始和最终配置之间的多四轴飞行器系统的实时的【形】部署(RTD)。提出的RTD问题被分解为空间规划,时间规划和采集子问题。对于空间规划,RTD期望协调通过整合(i)刚体旋转、(ii)一维均匀变形和(ii)一维异构协调来定义,使得满足每两个四轴飞行器UAV之间的智能体间碰撞避免的必要条件。通过RTD时间规划,实现了智能体间的碰撞避免,并保证了每个四轴飞行器的旋翼角速度有界性。对于RTD获取,由非线性动力学建模的每个四轴飞行器应用非线性控制以稳定且安全地跟踪期望的RTD轨迹,使得每个四轴飞行器的角速度保持有界并且不超过某个上限。
2022-01-25 cs.RO cs.SY eess.SY
Use of a low-cost forward-looking sonar for collision avoidance in small AUVs, analysis and experimental results
Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学)
本文评估了有限波束低成本前视声纳在小型AUV避障中的有效性,提出基于后验期望损失的避障策略,将检测、避障与规划耦合,并通过690 AUV实地试验和九波束原型声纳验证了系统性能。
2023-09-11 cs.RO cs.SY eess.SY
Optimizing Mission Planning for Multi-Debris Rendezvous Using Reinforcement Learning with Refueling and Adaptive Collision Avoidance
DLR Lampoldshausen(德国航空航天中心兰波尔茨豪森研究所)
本研究提出基于强化学习的框架,用于优化多碎片清除任务的使命规划,通过自适应碰撞避让和高效任务规划提高任务效率和安全性。
2026-02-04 cs.AI cs.LG cs.RO
ZAPP! Zonotope Agreement of Prediction and Planning for Continuous-Time Collision Avoidance with Discrete-Time Dynamics
Politecnico di Milano(米兰理工大学);Georgia Tech(佐治亚理工学院);NVIDIA(英伟达);Stanford University(斯坦福大学)
本文提出 ZAPP 框架,通过结合粗时间离散化与 zonotope 不确定性表示,解决预测与规划间的表示不匹配问题,支持基于梯度的优化,生成更安全的轨迹。
2024-06-03 cs.RO
Adaptive Environment Modeling Based Reinforcement Learning for Collision Avoidance in Complex Scenes
Harbin Institute of Technology(哈尔滨工业大学);Southern University of Science and Technology(南方科技大学);The University of Hongkong(香港大学)
拥挤场景中机器人导航避碰的主要挑战在于准确的环境建模、快速感知和可靠的运动规划策略。本文提出了一种新的基于自适应环境模型的避碰强化学习(即,AEMCARL)框架的无人驾驶机器人,以实现无碰撞运动在具有挑战性的导航方案。这项工作的新颖性有三个方面:(1)开发用于环境建模的门控循环单元(GRU)分层网络;(2)开发具有注意力模块的自适应感知机制;(3)开发强化学习(RL)框架的自适应奖励函数,以联合训练环境模型、感知功能和运动规划策略。所提出的方法进行了测试与健身房露台模拟器和一组机器人(哈士奇和海龟)在各种拥挤的场景。仿真和实验结果表明,该方法优于基线方法的性能。
2022-10-27 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
Towards Perception-based Collision Avoidance for UAVs when Guiding the Visually Impaired
Department of Computational and Data Sciences, Indian Institute of Science(计算与数据科学系,印度科学院)
本文提出一种基于感知的路径规划系统,利用多DNN框架实现无人机在引导视觉障碍者时的局部避障,并在校园三种场景中验证了可行性。
2025-06-17 cs.CV cs.RO
Reactive Collision Avoidance for Safe Agile Navigation
New York University(纽约大学)
本文提出一种仅依赖机载感知与计算的统一反应式框架,将非线性模型预测控制与自适应控制屏障函数结合,利用神经网络细化RGB-D数据并动态调整约束,在四旋翼飞行器上实现了无需环境调参和显式建图的安全敏捷避障。
2025-06-05 cs.RO
Vision-based Distributed Multi-UAV Collision Avoidance via Deep Reinforcement Learning for Navigation
Shantou University(汕头大学)
多无人机系统的在线路径规划是一个具有挑战性的课题。它需要确保实时的无碰撞路径规划,特别是当多无人机系统在某些场合可能变得非常拥挤时。提出了一种基于视觉的多无人机分散避碰策略,该策略以深度图像和惯性测量值作为感知输入,输出无人机的操纵指令。在多无人机三维场景中,使用基于策略梯度的强化学习算法和自动编码器,将策略与深度图像的潜在表示一起训练。每个无人机遵循相同的训练策略,独立行动以达到目标,而不会与其他无人机发生碰撞或通信。我们验证我们的政策在各种模拟场景。实验结果表明,该方法能够保证多无人机在三维空间中实现完全自主的无碰撞导航,具有良好的鲁棒性和可扩展性。
2022-03-05 cs.RO
Spacecraft Autonomous Decision-Planning for Collision Avoidance: a Reinforcement Learning Approach
CentraleSupélec, Université Paris-Saclay(巴黎萨克雷大学中央理工-高等电力学院);Laboratoire Génie Industriel, CentraleSupélec, Université Paris-Saclay(巴黎萨克雷大学中央理工-高等电力学院工业工程实验室)
本文针对日益拥挤的空间环境,提出基于部分可观测马尔可夫决策过程和强化学习的航天器自主避撞决策方法,使航天器无需人工干预即可学习随机策略并执行精确避撞机动,从而实现更快响应和高度分散化操作。
2023-10-29 cs.AI cs.CV 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
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
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
Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes
Boston University(波士顿大学);University of Maryland(马里兰大学)
针对多面体机器人与障碍物的避碰问题,提出一种迭代凸MPC-DCBF框架,通过精确最近点计算导出支撑超平面构建线性DCBF约束,实现快速在线安全控制。
2026-06-23 cs.RO
Mission Planning on Autonomous Avoidance for Spacecraft Confronting Orbital Debris
本文提出一种两阶段规划框架,结合线性规划与时间松弛规划图启发式,解决航天器面对轨道碎片时常规任务与规避冲突的自主任务规划问题,仿真验证其有效性。
2024-09-19 cs.RO cs.SY eess.SY
Interaction-Aware Vehicle Motion Planning with Collision Avoidance Constraints in Highway Traffic
Kyungpook National University(庆北国立大学)
本文针对高速公路自动驾驶中的车辆交互问题,提出一种将周围车辆轨迹与避撞约束耦合的最优控制框架,并基于庞特里亚金极小值原理实现轨迹优化,仿真验证了其有效性。
2024-04-02 cs.RO cs.SY eess.SY
COLREGs Compliant Collision Avoidance and Grounding Prevention for Autonomous Marine Navigation
Department of Mechanical Engineering, Texas A&M University, College Station, USA(德克萨斯A&M大学机械工程系);American Bureau of Shipping, Spring, TX, USA(美国船舶局)
本文提出了一种基于凸优化的运动规划方法,用于自主水运船舶的碰撞规避、COLREGs合规性和搁浅预防。
2026-03-03 cs.RO math.OC
Chance-Constrained Belief-Space Maneuver Planning for Autonomous Collision Avoidance Under Uncertainty
Stanford University(斯坦福大学)
针对近地轨道交会不确定性,提出机会约束信念空间蒙特卡洛树搜索规划器,权衡等待跟踪信息与机动干预,在NASA数据集上验证,表明跟踪质量与频率决定干预时机。
2026-09-15 cs.AI cs.RO
Collision avoidance and path finding in a robotic mobile fulfillment system using multi-objective meta-heuristics
Department of Industrial Engineering, Clemson University(工业工程系,克莱姆森大学)
针对多智能体路径规划中AGV避障与任务分配问题,提出兼顾能耗与行驶时间的避障策略及两种多目标优化算法,性能优于现有方法。
2025-10-29 cs.RO math.OC
Robust UAV Path Planning with Obstacle Avoidance for Emergency Rescue
Nanjing University of Aeronautics and Astronautics(南京航空航天大学);Southeast University(东南大学);China University of Mining and Technology(中国矿业大学)
针对复杂三维环境下无人机避障路径规划的安全需求,本文构建含障碍物与禁飞区的三维场景,提出融合模拟退火的改进人工势场算法APF-SA,可跳出局部最优实现全局最优的鲁棒路径规划,仿真验证了其有效性。
2025-01-16 cs.RO cs.SY eess.SY
A Differentiable Signed Distance Representation for Continuous Collision Avoidance in Optimization-Based Motion Planning
Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出了一套新的条件,以准确地表示碰撞避免的约束条件内的优化为基础的运动规划算法。这些条件是连续可微的,因此适合与标准非线性优化求解器一起使用。该方法表示凸形状使用的支持函数表示,因此是相当普遍的。对于涉及多面体或椭球形状的碰撞避免,所提出的方法引入了更少的变量和约束比现有的方法。此外,所提出的方法可以用来严格地确保连续的碰撞避免作为车辆之间的离散姿态之间的转换所确定的运动规划算法。数值例子表明,这可以用来防止切角和通过障碍物时可能发生的碰撞避免只在离散的时间步长执行的问题。
2023-02-20 cs.RO cs.SY eess.SY
Informed Circular Fields for Global Reactive Obstacle Avoidance of Robotic Manipulators
Leibniz University Hannover(汉诺威莱布尼茨大学);Technical University Munich(慕尼黑工业大学)
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。
2023-08-04 cs.RO cs.SY eess.SY
Safety-Critical Control and Planning for Obstacle Avoidance between Polytopes with Control Barrier Functions
UC Berkeley(加州大学伯克利分校)
多面体间的避障问题是最优控制和基于优化的轨迹规划问题中的一个具有挑战性的课题。现有的工作要么解决这个问题,通过混合整数优化,依赖于简化的系统动力学,或通过模型预测控制与双变量使用距离约束,需要长的视野避障。在任何一种情况下,解决方案只能作为离线规划算法应用。在本文中,我们利用的属性,一个较小的地平线是足够的避障,通过使用离散时间控制障碍函数(DCBF)的约束,我们提出了一种新的优化配方与双变量的基础上DCBF生成一个无碰撞的动态可行的轨迹。所提出的优化公式具有较低的计算复杂性相比,现有的工作,可以作为一个快速的在线算法的控制和规划一般的非线性动力系统。我们验证了我们的算法不同的机器人形状,使用数值模拟与运动自行车模型,从而成功地通过迷宫环境中的多面体障碍物导航。
2022-05-31 cs.RO cs.SY eess.SY
Motion Planning using Reactive Circular Fields: A 2D Analysis of Collision Avoidance and Goal Convergence
本文针对反应式规划难以同时保证避碰与目标收敛的问题,严格分析基于CF的二维运动规划器,给出覆盖全算法的充要避碰条件、多障碍扩展及目标收敛充分条件,并通过非凸点云障碍仿真验证。
2023-11-03 cs.RO cs.SY eess.SY
Graph-based Path Planning with Dynamic Obstacle Avoidance for Autonomous Parking
Honda Research Institute (HRI)(本田研究院);GRASP Lab(GRASP实验室);University of Pennsylvania(宾夕法尼亚大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of California at Riverside(加州大学河滨分校)
本文提出时间索引Hybrid A star算法,将动态障碍物预测融入在线规划框架,在垂直、斜向和平行泊车场景中实现高效安全的动态避障路径规划。
2025-05-07 cs.RO cs.SY eess.SY
Flatness-based trajectory planning for 3D overhead cranes with friction compensation and collision avoidance
Departamento de Informatica e Ingenieria de Sistemas (DIIS)(信息与系统工程系(DIIS));Instituto de Investigacion en Ingenieria de Aragon (I3A)(阿列尼亚工程研究所(I3A));Universidad de Zaragoza(萨拉戈塔大学)
本文提出一种利用微分平坦性优化3D龙门起重机轨迹生成方法,通过直接纳入非线性摩擦和碰撞避免等复杂约束,实现安全高效的运动控制。
2026-05-15 cs.RO cs.SY eess.SY
A Type II Singularity Avoidance Algorithm for Parallel Manipulators using Output Twist Screws
Universitat Politècnica de València(瓦伦西亚理工大学)
本文提出一种基于输出旋量夹角识别奇异支链并修改其驱动器轨迹的II型奇异避免算法,无需优化即可用于并联机器人的离线和在线轨迹规划。
2024-01-17 cs.RO cs.SY eess.SY
An NMPC Approach using Convex Inner Approximations for Online Motion Planning with Guaranteed Collision Avoidance
University of Freiburg(弗莱堡大学);Robert Bosch GmbH(罗伯特·博世股份有限公司)
尽管移动机器人已经存在了几十年,但轨迹优化和连续时间碰撞避免仍然是积极研究的主题。现有的方法在路径质量、计算复杂性和运动动力学可行性之间进行权衡。这项工作的方法的问题,使用非线性模型预测控制(NMPC)的框架,这是基于一种新的凸内近似的避碰约束。所提出的凸内近似(CIAO)方法发现kinodynamically可行的和连续的时间无碰撞的轨迹,在几个迭代,通常一个。对于可行的初始化,该方法保证找到可行的解决方案,即它保持可行性。我们的实验评估表明,CIAO优于最先进的基线规划效率和路径质量方面。在具有12个状态的机器人上的实验表明,它也可以扩展到高维系统。此外,真实世界的实验表明,它的能力,统一的轨迹优化和跟踪的安全运动规划在动态环境中。
2020-03-01 cs.RO cs.SY eess.SY
A MILP-Based Solution to Multi-Agent Motion Planning and Collision Avoidance in Constrained Environments
Robotics Engineering Department, Worcester Polytechnic Institute(沃斯特理工学院机器人工程系);Electrical Engineering Department, California Polytechnic State University(加州州立大学弗雷斯诺分校电子工程系)
本文提出一种基于混合整数线性规划的多智能体运动规划方法,通过将多凸多边形动作规划嵌入序列-求解流程,利用大M超平面模型实现智能体间分离,并通过L1路径长度加加速度成本生成平滑轨迹。
2025-08-20 cs.RO cs.SY eess.SY
3D Path Planning and Obstacle Avoidance Algorithms for Obstacle-Overcoming Robots
Inner Mongolia University of Technology(内蒙古工业大学);Yanshan University(燕山大学)
本文介绍了一种多模式运动规划(MMP)算法,结合三维(3-D)路径规划和DWA避障算法。该算法的目的是规划的路径和运动的越障机器人在复杂的非结构化场景。提出了一种新的A-star算法,结合非结构化场景的特点,并将其转换为贪婪最佳优先策略算法。同时,将路径规划算法与DWA算法相结合,使机器人在沿全局规划路径运动的过程中能够进行局部动态避障,并将全局路径规划算法与局部避障算法相结合,使机器人在避障和越障后能够对路径进行修正。在具有多种复杂环境的工厂中进行的仿真实验验证了算法的可行性和鲁棒性。该算法能在充分考虑场景和运动障碍物特点的前提下,快速生成合理的越障机器人三维路径,并进行可靠的局部避障。
2022-09-02 cs.RO
Trajectory Planning with Model Predictive Control for Obstacle Avoidance Considering Prediction Uncertainty
Institute of Electromobility, RPTU University Kaiserslautern-Landau(电磁移动研究所,科隆-兰道大学);Institute of Wireless Communications and Navigation, RPTU University Kaiserslautern-Landau(无线通信与导航研究所,科隆-兰道大学)
本文提出一种基于MPC和ROS2/Nav2框架的新型动态避障轨迹规划器,利用随机VAR模型预测障碍物未来位置,并通过马氏距离约束实现考虑预测不确定性的避障,显著提升了机器人在动态环境中的避障能力。
2025-04-27 cs.RO cs.SY eess.SY
Risk-Averse Receding Horizon Motion Planning for Obstacle Avoidance using Coherent Risk Measures
本文针对不确定动力学智能体在随机动态障碍物环境中的避障问题,提出基于相干风险度量的MPC方案,并设计航点跟随算法证明其递归可行性与有限时间任务完成保证。
2023-09-28 cs.RO cs.SY eess.SY
Optimal Vehicle Trajectory Planning for Static Obstacle Avoidance using Nonlinear Optimization
Guangzhou Xiaopeng Motors Technology Co Ltd(广州小鹏汽车科技有限公司)
针对自动驾驶轨迹规划需兼顾可行性、舒适性与商用计算效率的需求,提出基于非线性优化的新型算法,可生成运动学可行、舒适性最优的静态障碍物避障轨迹,且在两类硬件平台上均实现毫秒级快速生成。
2023-07-18 cs.RO
S-RRT*-based Obstacle Avoidance Autonomous Motion Planner for Continuum-rigid Manipulator
The University of Tokyo(东京大学)
本文提出基于S-RRT*的连续体-刚体混合机械臂运动规划方法,结合逆瞬时运动学与零空间技术实现路径跟踪和避障,并在复杂环境中验证了路径质量与计算时间优势。
2024-09-27 cs.RO
Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
Magna International Inc.(Magna国际公司)
针对自动驾驶泊车机动,本文提出基于序列凸优化和离散 Dubins 模型的最优轨迹规划方法,在避撞与车辆物理约束下实现高效、平滑的无碰撞运动。
2025-05-13 cs.RO cs.SY eess.SY
Bendable Cuboid Robot Path Planning with Collision Avoidance using Generalized $L_p$ Norms
Georgia Institute of Technology(佐治亚理工学院)
本文提出基于广义L_p范数的立方体机器人路径规划方法,通过隐式表面近似和双重优化问题解决碰撞避免问题,验证了方法的有效性。
2017-12-16 cs.RO cs.SY eess.SY
Distributed Planning for Rigid Robot Formations using Consensus on the Transformation of a Base Configuration
Technical University of Denmark(丹麦技术大学)
针对杂乱环境中的刚性多机器人编队导航问题,提出一种基于基础构型变换一致性的去中心化分布式规划方法,可保证编队约束并具备反应式规划所需的运行时效率。
2023-07-14 cs.RO cs.SY eess.SY
Path planning and Obstacle avoidance approaches for Mobile robot
Budapest University of Technology and Economics(布达佩斯技术与经济大学);Hanoi University of Science and Technology(河内科技大学)
提出并实现了一种新的移动机器人路径规划方法。一方面,基于从起点到目标点的最短路径,该路径规划器可以选择MR的最佳移动方向,这有助于尽快到达目标点。另一方面,智能避障,我们的方法可以找到目标点与近最短的路径长度,同时避免一些无限循环陷阱的多个障碍物在未知的环境。两种方法的结合有助于MR以非常可靠的算法到达目标点。此外,通过不断更新的车载传感器的信息,该方法可以生成的MR轨迹在静态和动态环境。在一些类似的研究环境中进行了大量的仿真,证明了所提出的路径规划算法的能力。
2016-09-07 cs.RO
Intelligent Singularity Avoidance in UR10 Robotic Arm Path Planning Using Hybrid Fuzzy Logic and Reinforcement Learning
National Center for High-Performance Computing(国家高速网络与计算中心)
本文提出一种结合模糊逻辑与强化学习的UR10机械臂路径规划方法,通过实时检测和规避奇异点,实现高成功率的路径规划。
2026-01-09 cs.AI cs.RO
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
Off the Beaten Track: Laterally Weighted Motion Planning for Local Obstacle Avoidance
Institute for Aerospace Studies, University of Toronto(多伦多大学航空航天研究所);Defence Research and Development Canada(加拿大国防研究与发展部)
本研究提出一种横向加权运动规划方法,结合曲线规划空间与新边代价度量,并配套MPC架构,在5公里现场试验中验证了其优于直接路径跟踪MPC的局部避障与路径保持性能。
2024-11-07 cs.RO
$E^2Coop$: Energy Efficient and Cooperative Obstacle Detection and Avoidance for UAV Swarms
University of Otago(奥塔哥大学)
能量效率是无人机群避障轨迹规划的关键。本文提出了$E^2Coop$,一种将人工势场(APF)与基于粒子群规划(PSO)的航迹规划紧密耦合的无人机群避碰新方案。在$E^2Coop$中,群成员协同执行轨迹规划,以能量有效的方式避免碰撞。$E^2Coop$利用活动轮廓模型在图像处理中的优势进行轨迹规划。每个群体成员规划其轨迹上的环境场的轮廓,以节省能源,避免碰撞的障碍。处于彼此安全距离内的群成员在不同的轮廓上规划它们的轨迹,以避免彼此碰撞。仿真结果表明,与现有的两种方案相比,$E^2Coop$的能量节省率可达51%.
2021-05-08 cs.RO