Planning Jerk-Optimized Trajectory with Discrete-Time Constraints for Redundant Robots
Delft University of Technology (TU Delft)(代尔夫特理工大学);INRIA(法国国家信息与自动化研究所);The Hong Kong Polytechnic University(香港理工大学);The Chinese University of Hong Kong (CUHK)(香港中文大学)
针对含运动学冗余且刀具路径带大量离散时间路径点的制造机器人,提出一种在制造过程中同步优化运动加加速度的轨迹规划方法,以提高制造质量。
2020-02-15 cs.RO
Optimal Distributed Multi-Robot Communication-Aware Trajectory Planning using Alternating Direction Method of Multipliers
Technical University of Denmark(丹麦技术大学)
针对多机器人通信感知轨迹规划问题,提出基于预算交易分离通信约束并用一致性ADMM分布式求解的最优规划算法,且在巡检仿真中验证。
2024-08-09 cs.RO
On Model Predictive Path Following and Trajectory Tracking for Industrial Robots
Norwegian University of Science and Technology(挪威科技大学);SINTEF DIGITAL(SINTEF数字研究所)
在这篇文章中,我们将展示如何模型预测路径跟踪控制器允许机器人机械手停止在障碍物的方式,模型预测轨迹跟踪控制器不能。我们提出了这两个控制器应用于机器人机械手,模拟两连杆机械手使用内点求解器,考虑离散化的最优控制问题,使用配置或龙格库塔,并讨论我们的实施模型预测路径跟踪控制器的实时可行性。
2017-03-07 cs.RO
Efficient Trajectory Optimization for Robot Motion Planning
University of California at Berkeley(加州大学伯克利分校)
多关节机器人的运动规划具有挑战性。由于问题的复杂性,大多数现有的工作分解运动规划作为更容易的子问题。然而,由于不一致的性能指标,只有次优的解决方案可以找到基于分解的方法。本文提出了一种基于最优控制的方法来同时解决路径规划和轨迹规划子问题。针对涉及复杂机器人动力学的运动规划问题,提出了一种有效的轨迹优化数值方法。数值计算结果表明了该方法的有效性。实验结果表明了该规划算法的可行性。
2018-10-09 cs.RO
A Robust and Energy-Efficient Trajectory Planning Framework for High-Degree-of-Freedom Robots
University of Brighton(布莱顿大学);Jamia Millia Islamia(贾米亚·米利亚·伊斯兰亚大学)
针对高自由度机器人轨迹规划的能耗与平顺性问题,提出融合正弦轨迹生成和速度缩放的框架,仿真验证其可显著节能并保持精度与平顺过渡。
2025-03-13 cs.RO
Complete Decentralized Method for On-Line Multi-Robot Trajectory Planning in Valid Infrastructures
FEL, CTU in Prague(布拉格捷克理工大学电气工程学院);iRobot Inc.(iRobot公司)
我们考虑一个由多个移动机器人组成的系统,在该系统中,用户可以在任何时候发出搬迁任务,命令其中一个机器人从其当前位置移动到给定的目的地位置。在本文中,我们处理的问题,找到一个轨迹为每个这样的搬迁任务,避免与其他机器人的碰撞。所选择的机器人规划其轨迹,以避免与执行先前发布的任务的其他机器人发生碰撞。我们证明,如果所有可能的目的地的搬迁任务满足所谓的有效的基础设施属性,那么这种机制是保证总是成功的,并提供一个轨迹的机器人到达目的地,而不会与任何其他机器人碰撞。在固定的空间时间离散化的方法的时间复杂度是二次的机器人的数量。我们证明了所提出的方法在几个现实世界的地图上的适用性,并将其性能与一种流行的反应性方法进行比较,该方法试图在本地解决冲突。除了死锁自由,所提出的方法生成的轨迹是显着更快(高达48%的改善)比轨迹产生的局部碰撞避免。
2015-01-30 cs.RO
Whole-Body Trajectory Optimization for Robot Multimodal Locomotion
Istituto Italiano di Tecnologia(意大利技术研究院);University of Manchester(曼彻斯特大学)
本文提出一种统一生成地面与空中运动的全身轨迹优化方法,结合质心动量与驱动模型,并使用飞行仿人机器人iRonCub验证了方法有效性。
2022-11-23 cs.RO
VP-STO: Via-point-based Stochastic Trajectory Optimization for Reactive Robot Behavior
Ecole Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);Oxford Robotics Institute, University of Oxford(牛津大学牛津机器人研究所);Idiap Research Institute(Idiap 研究所)
在复杂的动态环境中实现反应式机器人行为仍然具有挑战性,因为它依赖于能够足够快地解决轨迹优化问题,使得我们能够以对于手头的任务足够高的频率重新规划未来的运动。我们认为,目前的机器人操作器的模型预测控制(MPC)的局限性产生于效率低下,高维的轨迹表示和忽视的时间最优的轨迹优化过程中。因此,我们提出了一个运动优化框架,在空间和时间上进行联合优化,在关节空间中生成平滑和时间最优的机器人轨迹。虽然是任务不可知的,我们的配方可以结合额外的特定任务的要求,如避免碰撞,但保持实时控制率,在模拟和现实世界的机器人实验中证明闭环操作。如需更多资料,请访问https://sites.google.com/oxfordrobotics.institute/vp-sto。
2023-03-14 cs.RO
Efficient Trajectory Planning for Multiple Non-holonomic Mobile Robots via Prioritized Trajectory Optimization
Nanyang Technological University(南洋理工大学)
在本文中,我们提出了一种新的方法来有效地产生无碰撞的最优轨迹的多个非完整移动机器人在障碍物丰富的环境。我们的方法首先采用基于图的多智能体路径规划器找到一个初始的离散解,然后使用非线性优化将此解细化为平滑的轨迹。我们将机器人团队分成小的组,并提出了一个优先级的轨迹优化方法,以提高算法的可扩展性。由于解耦的优化框架,在某些情况下可能会出现不可行的子问题。为了解决这个问题,提出了一种新的分组和优先级分配策略,以增加找到可行轨迹的概率。与耦合轨迹优化方法相比,该方法在对规划的最优性影响较小的情况下,大大减少了计算时间。仿真和硬件实验验证了该方法的有效性和优越性。
2020-12-15 cs.RO
Continuous Jumping for Legged Robots on Stepping Stones via Trajectory Optimization and Model Predictive Control
University of Southern California(南加州大学)
在不平坦的踏脚石上进行跳跃或奔跑等高度敏捷的动态运动一直是足式机器人运动中的一个挑战性问题。本文提出了一种框架,结合轨迹优化和模型预测控制执行稳健的和连续的跳跃上的垫脚石。在我们的方法中,我们首先利用轨迹优化的基础上的全非线性动力学的机器人产生周期性的跳跃轨迹的各种跳跃距离。设计了基于模型预测控制的跳跃控制器,实现了跳跃过程的平滑过渡,使机器人能够在踏脚石上实现连续跳跃。由于MPC作为一个实时反馈控制器的结合,所提出的框架也被验证为具有未知的高度扰动和模型不确定性的机器人动力学不均匀的平台是强大的。
2022-09-16 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
Trajectory optimization for a class of robots belonging to Constrained Collaborative Mobile Agents (CCMA) family
ETH Zurich(苏黎世联邦理工学院)
我们提出了一类新的机器人属于约束协作移动代理(CCMA)家庭,其中包括地面移动基地与非完整约束。此外,这些移动机器人是由闭环运动链组成的旋转关节,可以是被动的或驱动的约束。我们还描述了一种新的轨迹优化方法,这是一般的移动机器人的数量,拓扑结构的闭环运动链和放置在转动关节的致动器。我们还扩展了独立的轨迹优化方法,以同时优化设计参数和控制策略。我们描述了各种CCMA系统的例子,在模拟中,不同的设计,拓扑结构,移动机器人的数量和驱动空间。以CCMA系统为例,给出了固定设计参数的独立轨迹优化的仿真结果。我们还展示了这种方法可以用于任务以外的末端执行器定位,如内部碰撞避免和外部避障。在仿真中,并行设计和控制策略优化被证明,以增加CCMA系统的工作空间和操纵能力。最后,通过两个由3个履带式移动基座组成的4自由度样机对轨迹优化方法进行了实验验证。
2019-10-12 cs.RO
Distributed Model-Based Diffusion For Scalable Multi-Robot Trajectory Optimization
Robotics Department, University of Michigan(密歇根大学机器人系)
针对多机器人轨迹优化难题,提出分布式基于模型的扩散算法(DMBD),将反向扩散过程分解为局部条件反向扩散过程,使机器人能独立去噪,模拟显示其可扩展性强,能快速解决协调任务且优于现有基线。
2026-09-16 cs.RO
Multi-Robot Trajectory Planning with Feasibility Guarantee and Deadlock Resolution: An Obstacle-Dense Environment
Peking University(北京大学)
提出了一种多机器人轨迹规划方法,既保证了优化的可行性,又解决了障碍物密集环境下的死锁问题。该方法是通过制定一个递归优化问题,其中一个新的安全走廊在线生成,以确保避障轨迹规划。动态优先级机制与右手规则相结合,以处理由于静态障碍而难以解决的潜在死锁。与其他国家的最先进的结果进行比较,以验证提高安全性和成功率。额外的硬件实验进行了多达八个纳米四旋翼在各种混乱的情况下。
2023-02-22 cs.RO
Trajectory Planning of a Curtain Wall Installation Robot Based on Biomimetic Mechanisms
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences(深圳先进技术研究院,中国科学院)
针对建筑机器人能耗问题,提出融合人体举重能量转换原理的仿生轨迹规划框架,结合EMG信号与PSO动态载荷分配,使幕墙安装机器人仿真能耗降低48.4%。
2025-07-22 cs.RO
Robot Path and Trajectory Planning Considering a Spatially Fixed TCP
Institute of Robotics, Johannes Kepler University Linz(机器人研究所,约翰·凯撒大学林茨);FerRobotics Compliant Robot Technology GmbH(FerRobotics 机器人技术公司)
本文提出一种利用空间固定TCP在工件坐标系规划机器人路径与轨迹的方法,采用B样条保证连续性并考虑TCP速度,在真实工业机器人上验证有效。
2025-10-23 cs.RO
Industrial Robot Trajectory Tracking Using Multi-Layer Neural Networks Trained by Iterative Learning Control
Rensselaer Polytechnic Institute(伦斯勒理工学院)
在某些应用中需要快速和精确的机器人运动,例如电子制造,增材制造和装配。大多数工业机器人运动控制器允许外部命令的运动轮廓,但轨迹跟踪性能受到机器人动力学和关节伺服控制器的影响,用户没有直接存取和很少的信息。在将外部命令作为设定点传输到内部控制回路时的时间延迟进一步损害了性能。提出了一种结合神经网络和迭代学习控制来提高多轴关节型工业机器人轨迹跟踪性能的方法。对于一个给定的期望轨迹,外部命令是迭代细化使用高保真度动态仿真器,以补偿机器人内环动态。这些期望的轨迹和相应的细化输入轨迹,然后用于训练多层神经网络,以仿真的非线性内循环动力学的动态逆。我们证明了,有了足够丰富的训练集,训练好的神经网络可以很好地推广到训练集之外的轨迹。在将训练好的神经网络应用于物理机器人时,跟踪性能仍然得到改善,但不如在模拟器中那么多。我们表明,迁移学习可以有效地弥合仿真和物理机器人之间的差距。最后,我们在其他机器人模型上对训练好的神经网络进行了仿真测试,证明了通用网络的可能性。该方法的开发和评估基于ABB IRB 6640 -180工业机器人和ABB RobotStudio软件包。
2019-03-04 cs.RO
Adaptive Trajectory Optimization for Task-Specific Human-Robot Collaboration
University of Luxembourg(卢森堡大学)
本研究提出一种人机协作的任务特定轨迹优化框架,结合逆微分Riccati方程动态规划与神经自适应PID控制,实现低复杂度下的自适应稳定精确跟踪,经仿真验证有效。
2025-03-18 cs.RO
An End-to-End Framework for Optimizing Foot Trajectory and Force in Dry Adhesion Legged Wall-Climbing Robots
The School of Mechanical Engineering and Automation, Northeastern University(机械工程与自动化学院,东北大学);The State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University(过程工业综合自动化重点实验室,东北大学)
本文提出端到端足端轨迹与力优化框架FTFOF,结合贝塞尔曲线、GRU预测模型和多目标优化,在MST-M3F机器人上实现脱附力降低28%、振动降低82%。
2025-05-08 cs.RO
RETRO: Reactive Trajectory Optimization for Real-Time Robot Motion Planning in Dynamic Environments
University of Central Florida(中佛罗里达大学)
针对动态环境下机器人反应式轨迹优化的难题,提出时空自适应的RETRO框架,降低计算复杂度、给出悔界,可实时生成满足任务要求的平滑轨迹,经仿真与实体实验验证有效。
2023-10-03 cs.RO
Design and trajectory tracking control of CuRobot: A Cubic Reversible Robot
China University of Mining and Technology(中国矿业大学)
本文提出立方体可翻转全向移动机器人CuRobot,通过八个锥形轮和模型预测控制实现翻倒后持续全向运动与轨迹跟踪,提升野外作业鲁棒性。
2023-11-28 cs.RO
Robust Multi-Robot Trajectory Optimization Using Alternating Direction Method of Multiplier
Florida State University(佛罗里达州立大学);Lightspeed & Quantum Studios, Tencent America(腾讯美国光子工作室群)
提出了一种求解约束轨迹优化问题的交替方向乘子法。我们的ADMM框架将联合优化分解为小的子问题,从而降低迭代成本和分散的参数更新。从无碰撞初始轨迹出发,我们的方法继承了原始内点方法(P-IPM)的理论性质,即,保证了整个优化过程中的冲突避免和同伦保持,同时速度更快。我们已经分析了收敛性,并评估我们的方法的时间最优的多无人机轨迹优化和同时达到目标的多个机器人手臂,其中我们考虑到运动学,动力学限制,同伦保持碰撞约束。我们的方法突出了一个数量级的加速,同时产生的轨迹可比的质量作为国家的最先进的P-IPM求解器。
2022-03-14 cs.RO
Optimization-based Trajectory Planning for Tethered Aerial Robots
Universidad Pablo de Olavide(巴勃罗·德·奥拉维德大学)
提出了一种绳系空中机器人轨迹规划的非线性优化方法。特别是,本文解决了无人机(UAV)链接到无人地面车辆(UGV)通过系绳的规划问题。假设UGV位置是静态的,结果是UAV和系绳的无碰撞轨迹。优化器考虑了与UAV、UGV和系绳位置、障碍物和运动的时间方面相关的约束,例如有限的机器人速度和加速度,以及最后的系绳状态,其不需要是紧张的。该问题是制定在一个加权多目标优化框架。仿真结果表明,该方法能够为无人机和系绳产生无障碍和平滑的轨迹。
2021-04-05 cs.RO
Contact-Rich Trajectory Generation in Confined Environments Using Iterative Convex Optimization
Robotics Institute Carnegie Mellon University(卡内基梅隆大学机器人研究所);Siemens CT(西门子中央研究院)
在动态不确定环境中应用智能机器人手臂(即,柔性生产线)仍然具有挑战性,这需要用于实时的轨迹生成的有效算法。用于机器人轨迹生成的运动规划问题是高度非线性和非凸的,其通常伴随有碰撞避免约束、机器人运动学和动力学约束以及任务约束(例如,遵循在表面上限定的笛卡尔轨迹并保持接触)。非线性、非凸规划问题求解起来计算量大,限制了机器人手臂在现实世界中的应用。针对具有复杂约束条件的冗余度机器人手臂规划问题,提出了一种基于迭代凸优化的运动规划方法,该方法能够有效地处理约束条件并实时的生成最优轨迹。该规划器保证了接触丰富的任务约束的满足,并避免在受限环境中的碰撞。通过大量的焊接磨削轨迹生成实验,验证了该方法的有效性及其在先进机器人制造中的适用性。
2020-08-09 cs.RO
Collision-Free Multi Robot Trajectory Optimization in Unknown Environments using Decentralized Trajectory Planning
SRM Institute of Science and Technology(SRM科学技术研究所)
多机器人系统具有广泛的应用前景。在大多数以前的工作中,多机器人系统的轨迹生成是在已知的环境中实现的。为了克服这个问题,我们提出了一种在线轨迹优化算法,该算法利用机器人当前状态的通信来解释其他机器人,同时使用基于本地对象的地图来识别障碍物。基于这些数据,我们预测机器人预计要穿越的轨迹,并利用它来避免碰撞,方法是制定机器人可以不与其他机器人和障碍物碰撞的自由空间区域。在Gazebo上使用ROS进行了仿真,验证了该方法的有效性。
2018-12-03 cs.MA cs.RO
Discrete States-Based Trajectory Planning for Nonholonomic Robots
Zhejiang University(浙江大学)
由于非完整动力学的存在,非完整机器人的运动规划一直是一个难题。本文提出了一种基于离散状态的非完整机器人轨迹规划算法。该算法将轨迹表示为x和y位置、方向角、经度速度和加速度、角速度和时间间隔。更多的变量使得优化和约束的表达更简单,减少了过多近似所引起的误差,并且还处理了换档情况。L-BFGS-B用于处理多变量和箱形约束的优化问题,加快了问题的求解速度。与现有的各种仿真实验相比,验证了我们的算法具有数量级的效率优势,可以产生一个更平滑的轨迹与高的速度和低的控制努力。此外,还进行了真实场景的实验,以验证我们的算法在真实场景中的可行性。我们将释放我们的代码作为ros包。
2023-02-17 cs.RO
Impact Invariant Trajectory Optimization of 5-Link Biped Robot Using Hybrid Optimization
Sharif University of Technology(谢里夫理工大学)
双足机器人已经受到了广泛的关注,因为它们可以产生各种各样的运动操纵,以及它们在包括康复在内的各个领域的许多应用。其中一个动作就是行走。在这项研究中,我们提出了一个框架的轨迹优化的5连杆(平面)机器人使用混合优化。步行建模与两个阶段的单站(支持)阶段和碰撞阶段。采用拉格朗日法建立了机器人在各个阶段的动力学方程。假设机器人脚跟对地面的撞击是完全塑性的。步态优化的方法称为混合优化。该问题的目标函数被认为是扭矩平方沿轨迹的积分,并且满足零动态等各种约束,无需任何近似。此外,在一个新的框架中,提出了一个约束称为碰撞不变性,这保证了周期性的时变轨迹。另一方面,其他约束提供了更好和更像人类的运动。
2022-12-31 cs.RO
Efficient Trajectory Generation for Robotic Systems Constrained by Contact Forces
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
在这项工作中,我们提出了一种基于最优控制和可达性分析的接触力约束的机器人系统的轨迹生成方法。通常情况下,接触约束机器人的动力学和约束是非线性的,相互耦合。我们不对模型和约束进行线性化,而是直接求解最优控制问题,得到系统的可行状态轨迹和控制输入。一个易于处理的最优控制问题,制定这是解决的双重方法,这是基于采样的动态规划和严格的可达性分析。基于采样的方法和部分可观测马尔可夫决策过程(POMDP)被用来分解的端到端的轨迹生成问题,根据给定的条件下,通过样本明智的优化。结果生成要通过的子区域的顺序对,以达到最终目标。可达性分析确保我们将找到至少一条从给定初始状态开始并经过一系列子区域的轨迹。我们的方法的独特贡献是,使处理复杂的接触约束与系统的动力学,由于减少了算法的计算复杂性。我们验证了我们的方法使用广泛的数值模拟与足式机器人。
2019-03-26 cs.RO
Non-Linear Trajectory Optimization for Large Step-Ups: Application to the Humanoid Robot Atlas
Istituto Italiano di Tecnologia(意大利理工学院);Florida Institute for Human and Machine Cognition(佛罗里达人机认知研究所)
对于人形机器人来说,完成大的步升是一项具有挑战性的任务。它要求机器人在其可到达的工作空间的限制下执行运动,同时在障碍物上用力移动其身体。本文提出了一种产生步进运动的非线性轨迹优化方法。我们采用简化的质心动力学模型来产生可行的质心轨迹,旨在减少步进运动所需的扭矩。明确地考虑双脚处的触点的激活和去激活。规划器的输出是质心轨迹加上每个步行阶段的最佳持续时间。这些期望值通过确定一组期望关节扭矩的全身控制器来稳定。我们的实验表明,通过使用轨迹优化技术,所需的全尺寸人形机器人阿特拉斯的最大扭矩可以减少到20%时,执行步进运动。
2020-04-25 cs.RO
Mini Cheetah, the Falling Cat: A Case Study in Machine Learning and Trajectory Optimization for Robot Acrobatics
University of Notre Dame(圣母大学)
猫在摔倒后总是用脚着地,这似乎与基本的物理学原理背道而驰。在本文中,我们设计了一个控制器,土地的迷你猎豹四足机器人的脚以及。具体来说,我们将探索轨迹优化和机器学习如何协同工作,以实现高度动态的生物启发行为。我们发现,反射的方法,其中一个神经网络学习整个状态轨迹,优于政策的方法,其中一个神经网络学习从状态到控制输入的映射。我们在仿真和硬件实验中验证了我们提出的控制器,并且能够使机器人在跌倒时以-90至90度之间的初始俯仰角站立着陆。
2022-03-01 cs.RO
A Solution to Slosh-free Robot Trajectory Optimization
Munich Institute of Robotics & Machine Intelligence(慕尼黑机器人与机器智能研究所);Technische Universität München(慕尼黑工业大学)
本文是关于快速无晃动流体输送的。现有的方法要么计算量大,要么只适用于特定的机器人和容器形状。将末端执行器建模为球摆悬挂的点质量,研究了晃动自由运动的要求和点质量模型的有效性。在这种方法中,晃动的自由轨迹生成通过控制摆的枢轴和模拟点质量的运动。我们将轨迹优化问题转化为一个二次规划问题,这种策略可以用来获得有效的控制输入。通过对7自由度Franka Panda机器人的仿真和实验,验证了该方法的有效性。
2022-10-23 cs.RO
Entanglement-Free Trajectory Planning for Tethered Mobile Robots with a Slack Tether
Delft University of Technology(代尔夫特理工大学);Delft Center for Systems and Control(代尔夫特系统与控制中心)
本研究针对带松弛系绳的移动机器人,提出一种含三步流程的运动规划算法,可生成动态可行的无纠缠轨迹,经仿真验证能实现更安全可靠的导航。
2026-08-11 cs.RO
Fast and Bounded Probabilistic Collision Detection in Dynamic Environments for High-DOF Trajectory Planning
University of North Carolina(北卡罗来纳大学)
我们提出了一种新的方法来执行高自由度的机器人和高自由度的障碍物在动态,不确定的环境中的概率碰撞检测。在高自由度机器人和移动障碍物的动态环境中,我们的方法有效地计算机器人和障碍物之间的准确碰撞概率的误差上限。此外,我们描述了一个预测算法,未来的障碍物的位置和运动,占空间和时间的不确定性。提出了一种基于概率碰撞检测的高自由度机器人在动态、不确定环境中的轨迹优化算法。我们强调运动规划性能在具有挑战性的情况下,机器人手臂在动态移动的人类障碍物的环境中操作。
2016-07-16 cs.RO
Dynamically-Consistent Trajectory Optimization for Legged Robots via Contact Point Decomposition
Humanoid Robot Research Center, Korea Advanced Institute of Science and Technology(humanoid 机器人研究中心,韩国科学技术院)
本文提出基于接触点分解的腿式机器人相位轨迹优化框架,通过解耦接触点动力学、利用贝塞尔多项式特性保证约束满足,经四足机器人验证可生成动态可靠运动。
2026-08-27 cs.RO
Flying Trot Control Method for Quadruped Robot Based on Trajectory Planning
Shandong University(山东大学);Shandong Youbaote Intelligent Robot Co., Ltd(山东优宝特智能机器人有限公司);China North Vehicle Research Institute(中国北方车辆研究所)
提出了一种将离线轨迹规划与实时平衡控制相结合的飞行小跑直观控制方法。利用弹簧负载倒立摆(SLIP)模型分析了奔跑动物在垂直方向上的运动特性,规划了机器人的足运动轨迹,使机器人能够根据给定的躯干高度和速度,实现类似于垂直飞行动物的奔跑。为了提高跑步的鲁棒性,提出了一种基于脚加速度调节的姿态控制方法。提出了一种新的基于运动学的CoM观测方法和CoM调节方法,以提高运动的稳定性。为了减小机器人与环境交互时的冲击力,采用虚拟模型控制方法对足部轨迹进行控制,实现主动柔顺。通过为虚拟模型选择适当的参数,虚拟模型的振荡运动和支撑脚的规划运动被同步,以避免由虚拟模型的振荡运动相对于机器人运动引起的大的干扰。以四足机器人Billy为例进行了仿真和实验。在实验中,机器人的最大速度可以达到每秒4.73倍体长,验证了控制方法的可行性。
2022-10-24 cs.RO
Chance-Constrained Trajectory Optimization for High-DOF Robots in Uncertain Environments
Massachusetts Institute of Technology(麻省理工学院)
机器人技术的许多实际应用需要系统能够在不确定性的情况下安全运行。在运动规划的背景下,两种类型的不确定性是特别重要的规划安全的机器人轨迹时。第一个是环境不确定性-附近障碍物位置的不确定性,源于传感器噪声或(在障碍物未来位置的情况下)预测误差。第二类不确定性是机器人自身状态的不确定性,通常由跟踪或估计误差引起。为了实现高水平的安全性,机器人有必要考虑这两个不确定性来源。在本文中,我们提出了一种风险有界的轨迹优化算法,称为具有风险优化的顺序凸优化(SCORA),以解决机会约束的运动规划问题,尽管存在环境不确定性和跟踪误差。通过模拟实验,我们证明了SCORA显着优于国家的最先进的风险意识的运动规划者在规划时间和所产生的轨迹的安全。
2023-01-31 cs.RO
Trajectory Optimization for Thermally-Actuated Soft Planar Robot Limbs
Carnegie Mellon University(卡内基梅隆大学);Boston University(波士顿大学)
由软材料制成的机器人操纵器的实际使用需要产生和执行复杂的运动。我们提出了第一种方法产生的热驱动软机器人机械手的轨迹。基于简化近似的软臂和它的拮抗形状记忆合金致动器线圈,我们证明了一个离散化的刚性机械手的动力学模型,关节力矩与导线温度成正比。然后,我们提出了一种方法来校准这个模型的实验数据,并证明模拟与硬件测试。最后,我们使用一个直接配置优化与机器人的非线性动力学产生可行的状态输入轨迹从所需的参考。三个实验验证了我们的方法为单段机器人的硬件:首先使用手派生的参考轨迹,然后与两个示教和重复测试。结果表明,开环运动生成以及未来的应用反馈的承诺。
2022-04-21 cs.RO
Nonlinear Stochastic Trajectory Optimization for Centroidal Momentum Motion Generation of Legged Robots
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);LAAS-CNRS(LAAS-法国国家科学研究中心);Université de Toulouse(图卢兹大学);CNRS(法国国家科学研究中心);University of Trento(特伦托大学);Tandon School of Engineering, New York University(纽约大学坦登工程学院)
足式机器人的鲁棒轨迹的生成仍然是一个具有挑战性的任务,由于潜在的非线性,混合和本质上不稳定的动态,需要通过有限的接触力来稳定。此外,由与环境的未建模接触交互和模型失配引起的干扰可能会阻碍规划轨迹的质量,从而导致不安全的运动。在这项工作中,我们建议使用随机轨迹优化产生强大的质心动量轨迹,以考虑模型动力学和接触位置上的参数不确定性的添加剂的不确定性。通过鲁棒质心和全身轨迹优化之间的交替,我们生成鲁棒的动量轨迹,同时与全身动力学一致。我们进行了广泛的一组模拟不同的不确定性四足机器人显示,我们的随机轨迹优化问题减少了不同的步态,同时实现更好的性能确定性规划的脚滑移量。
2022-09-20 cs.RO
Model Predictive Trajectory Planning for Human-Robot Handovers
TU Wien(维也纳技术大学);AIT Austrian Institute of Technology GmbH(奥地利技术研究院有限公司)
本研究提出一种基于路径跟踪模型预测控制的人机交接轨迹规划方法,结合高斯过程回归预测交接位置以自适应调整路径偏差边界,经7自由度协作机械臂实验验证了其有效性与通用性。
2024-04-11 cs.RO
Ergodic Coverage In Constrained Environments Using Stochastic Trajectory Optimization
Robotics Institute at Carnegie Mellon University(卡内基梅隆大学机器人研究所)
在机器人的搜索和监视应用中,根据域中定位目标的概率在空间上分布机器人轨迹是直观的。遍历覆盖是一种这样的轨迹规划方法,其中机器人被引导使得在区域中花费的时间的百分比与在该区域中定位目标的概率成比例。在这项工作中,我们将遍历覆盖算法扩展到在受限环境中操作的机器人,并提出了一种配方,可以捕获传感器的足迹,避免障碍物和限制区域的域。我们证明,我们的配方很容易扩展到多个机器人配备不同的传感能力,以执行遍历覆盖的域的协调。
2017-07-22 cs.RO
Online Dynamic Trajectory Optimization and Control for a Quadruped Robot
University of Edinburgh(爱丁堡大学);McGill University(麦吉尔大学)
足式机器人运动需要规划稳定的参考轨迹,特别是在穿越不平坦地形时。所提出的轨迹优化框架能够为多个步骤生成动态稳定的基础和脚步轨迹。运动任务可以用接触位置、基础运动或两者来定义,使得算法适用于多种场景(例如,移动障碍物)。该规划器使用简化的基于动量的任务空间模型的机器人动力学,允许计算时间足够快的在线重新规划。这种快速规划能力也使四足动物适应漂移和环境变化。该算法在模拟和真实机器人上进行了测试,包括不平坦的地形,楼梯和移动障碍物。结果表明,即使在最后时刻将一个15厘米高的盒子放在机器人路径的前面,该规划器也能够在真实机器人中生成稳定的轨迹。
2021-03-23 cs.RO
SURE: Safe Uncertainty-Aware Robot-Environment Interaction using Trajectory Optimization
Technical University of Munich (TUM)(慕尼黑技术大学);New York University (NYU)(纽约大学);Carnegie Mellon University (CMU)(卡内基梅隆大学)
提出SURE框架,通过分支轨迹处理接触时间不确定性,在轨迹优化中实现鲁棒性,在推车杆平衡和机器人抓蛋任务中分别提升21.6%和40%的成功率。
2026-06-23 cs.RO
ESCoT: An Enhanced Step-based Coordinate Trajectory Planning Method for Multiple Car-like Robots
School of Vehicle and Mobility, Tsinghua University(车辆与移动系统学院,清华大学)
本文提出ESCoT方法,通过局部协同规划和重复配置重规划策略,显著提升了多类车机器人轨迹规划在稀疏和密集场景下的求解质量与成功率,并经实际机器人测试验证了其有效性。
2025-08-13 cs.RO
From Multi-Modal Paths to Executable Trajectories: A Trajectory Planning Framework for 4WIS Robots
The Chinese University of Hong Kong(香港中文大学);Beijing Institute of Technology(北京理工大学);Shenzhen Research Institute of Nankai University(南开大学深圳研究院)
针对4WIS机器人现有规划方法无法充分利用其多模态能力的问题,提出结合模式增强前端搜索与模式一致后端优化的轨迹规划框架,实验验证了其综合性能与实际可执行性。
2026-09-01 cs.RO
Online Trajectory Optimization for Arbitrary-Shaped Mobile Robots via Polynomial Separating Hypersurfaces
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
本文提出通过多项式分离超曲面实现任意形状移动机器人的非凸轨迹优化,解决传统方法对凸近似的保守假设问题。
2026-01-14 cs.RO
Stackelberg Meta-Learning for Strategic Guidance in Multi-Robot Trajectory Planning
New York University(纽约大学)
本文提出Stackelberg元学习方法,通过动态博弈建模和元学习,使领导者机器人快速适应不同跟随者,实现高效多机器人轨迹引导,提升泛化与适应性能。
2023-07-29 cs.RO
Time-Optimized Trajectory Planning for Non-Prehensile Object Transportation in 3D
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));Centre for Tactile Internet with Human-in-the-Loop (CeTI)(以人为中心的触觉互联网中心(CeTI))
针对三维空间中非抓持式不稳定物体运输,本文提出了一种结合物体稳定性物理模型的新型时间优化轨迹规划方法,通过7自由度Franka Panda机器人验证了集成托盘旋转能提升运输速度并确保稳定性与运动约束。
2024-08-29 cs.RO
A geometric approach towards inverse kinematics of soft extensible pneumatic actuators intended for trajectory tracking
Eindhoven University of Technology(埃因霍温理工大学);University of Twente(特文特大学)
软体机器人是机器人学中超冗余的有趣例子,然而,这些机器人的非线性连续动力学以及超弹性和粘弹性材料的使用使得这些机器人的建模更加复杂。提出了一种用于多段可伸缩软体机器人轨迹跟踪的几何逆运动学(IK)模型。使用优化方法,所需的配置变量的软致动器所需的末端执行器的位置。此外,机器人的冗余度应用于第二任务应用,例如倾角控制。该模型的性能进行了研究,通过模拟,数值基准测试和实验验证,结果表明,较低的计算成本和更高的精度相比,大多数现有的方法。该方法易于应用于多节软体机器人,无论是在2D和3D。作为案例研究,使用控制单元测试了完全3D打印的软体机器人操纵器,模型预测与实验结果吻合良好。
2022-11-11 cs.RO
Enhancing Social Robot Navigation with Integrated Motion Prediction and Trajectory Planning in Dynamic Human Environments
School of Information Science, Japan Advanced Institute of Science and Technology(日本先进科学技术学院信息科学学院);University of Engineering and Technology, Vietnam National University Hanoi(越南国家大学河内工程技术大学)
本文提出一种集成运动预测与轨迹规划的方法,通过将人类交互信息融入TEB算法目标函数并设计社交约束,实现动态人类环境中的安全社交导航,实验验证其优越性能。
2024-11-04 cs.RO
An Efficient Trajectory Planner for Car-like Robots on Uneven Terrain
Zhejiang University(浙江大学);Huzhou Institute of Zhejiang University(浙江大学湖州研究院);Xi’an Jiaotong University(西安交通大学);Hangzhou City University(浙大城市学院)
针对不平坦地形上类车机器人轨迹规划易保守或难跟踪的问题,提出地形姿态映射及轨迹优化框架,生成符合动力学且易跟踪的轨迹。
2023-09-12 cs.RO
ART-TEB: Adaptive Trajectory Planning for Mobile Robots in Cluttered Environments
Department of Computer Science and Engineering(计算机科学与工程系)
提出ART-TEB自适应轨迹规划算法,通过分段碰撞测试和位姿校正提升杂乱环境下移动机器人的安全性与规划效率,仿真和实验验证其成功率与速度显著优于现有方法。
2026-10-01 cs.RO
BoundPlanner: A convex-set-based approach to bounded manipulator trajectory planning
Automation and Control Institute (ACIN), TU Wien(自动化与控制研究所(ACIN),维也纳技术大学)
BoundPlanner通过基于凸集的轨迹规划方法,实现机械臂在考虑运动学和碰撞约束下的高效在线轨迹规划。
2026-02-16 cs.RO
FACTO: Function-space Adaptive Constrained Trajectory Optimization for Robotic Manipulators
J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University(J. Mike Walker ’66 机械工程系,德克萨斯A&M大学);Zachry Department of Civil and Environmental Engineering, Texas A&M University(Zachry 土木与环境工程系,德克萨斯A&M大学)
FACTO通过函数空间自适应约束优化提升机械臂轨迹规划的精度与可行性。
2026-02-23 cs.RO
Hybrid Trajectory Optimization for Autonomous Terrain Traversal of Articulated Tracked Robots
Harbin Institute of Technology(哈尔滨工业大学);Tsinghua University(清华大学)
提出一种铰接式履带机器人自主地形跨越的混合轨迹优化方法,通过平面接触模型与混合运动模式实现实时规划,在仿真与真实场景中验证了其在时间、能效、稳定性与平滑度上的优势。
2023-11-23 cs.RO