Design and Development of a Research Oriented Low Cost Robotics Platform with a Novel Dynamic Global Path Planning Approach
CSIRO（澳大利亚联邦科学与工业研究组织）；University of Moratuwa（莫拉图瓦大学）
基于计算机视觉传感器的自主导航系统通常需要非常昂贵的复杂机器人平台。这对机器人应用中至关重要的复杂定位、映射和导航算法的实现和测试构成了障碍。为了解决这个问题，在这项工作中，机器人操作系统（ROS）支持的移动机器人平台进行了比较，并提出了基于低成本教育机器人平台AlphaBot2的自主导航系统的端到端实现，同时集成了英特尔实感D435摄像头。此外，提出了一种新的方法来实现动态路径规划器的全局路径规划器在ROS框架。我们评估这种方法的性能，并强调通过动态的全球路径规划可以实现的改进。这种低成本的改进AlphaBot2机器人平台以及提出的动态全局路径规划方法将有助于研究人员和学生获得基于计算机视觉的导航系统的实践经验。
2022-03-19 cs.RO
Achieving Unit-Consistent Pseudo-Inverse-based Path-Planning for Redundant Incommensurate Robotic Manipulators
University of Missouri-Columbia（密苏里大学哥伦比亚分校）
本文针对冗余不可公度机器人操作臂路径规划中的单位不一致问题，比较多种基于伪逆的规划方案，提出混合逆（MX）方法以实现单位一致性并验证其有效性。
2023-08-05 cs.RO
Robotic Motion Planning using Learned Critical Sources and Local Sampling
Indian Institute of Technology Kharagpur（印度理工学院哈拉格普尔分校）
基于采样的方法被广泛用于机器人运动规划。传统上，这些样本是从概率（或确定性）分布中抽取的，以均匀地覆盖状态空间。尽管在概率上是完全的，但它们在受限环境中无法在合理的时间内找到可行的路径，在受限环境中必须通过狭窄的通道（瓶颈区域）。现有技术训练学习模型（学习器）以在这些瓶颈区域上选择性地预测样本。然而，这些算法完全依赖于这个学习器生成的样本来导航通过瓶颈区域。随着规划问题的复杂性增加，使该学习器对工作空间结构的细微变化具有鲁棒性所需的数据量和时间在计算上变得难以处理。在这项工作中，我们提出了（1）一个有效的和强大的方法来使用学习器来定位瓶颈区域和（2）两个算法，使用本地采样方法来利用这些瓶颈区域的位置进行有效的运动规划，同时保持概率的完整性。我们测试我们的算法2维规划问题和7维机器人手臂规划，并报告显着的收益，以及学习的基线。
2020-06-07 cs.RO
Robotic Path Planning Implementation using Search Algorithms
本文介绍利用Dijkstra和A*算法，在Gazebo环境中使TurtleBot3机器人在崎岖多障碍地形上实现最优路径规划。
2024-05-26 cs.RO
VIP: Variation-based Iterative-learning Planning for Robotic Navigation
School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）；Tianmushan Laboratory, Beihang University（北京航空航天大学天目山实验室）
该研究针对机器人导航规划的计算成本问题，提出VIP框架，通过变分迭代学习优化规划命令，在单/多机器人场景中高效生成并改进运动规划，兼具有效性与可扩展性。
2026-08-26 cs.RO
Assessing the Value of Visual Input: A Benchmark of Multimodal Large Language Models for Robotic Path Planning
Department of Micro-Nano Mechanical Science and Engineering, Nagoya University, Nagoya, Aichi, Japan（Nagoya大学微纳米机械科学与工程系）；Institutes of Innovation for Future Society, Nagoya University, Nagoya, Aichi, Japan（Nagoya大学未来社会创新研究所）
本文通过基准测试评估15个多模态大语言模型在二维网格机器人路径规划中视觉输入的效用，发现视觉输入在简单网格上有一定帮助，但在复杂网格上性能显著下降，揭示了空间推理与多模态集成的可扩展性挑战。
2025-07-16 cs.RO
Risk-Averse RRT* Planning with Nonlinear Steering and Tracking Controllers for Nonlinear Robotic Systems Under Uncertainty
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
我们提出了一个两阶段的风险规避结构控制随机非线性机器人系统。我们提出了风险规避非线性转向RRT*（RANS-RRT*）作为RRT* 的变体，通过求解非线性规划（NLP）来结合非线性动力学，并通过近似状态分布和执行分布鲁棒（DR）碰撞检查来考虑风险，以促进安全规划。生成的计划被用作低级别跟踪控制器的参考。我们演示三个控制器：有限时域线性二次型调节器（LQR）具有围绕参考轨迹的线性化动态，具有鲁棒性促进乘性噪声项的LQR，以及非线性模型预测控制律（NMPC）。我们证明了我们的算法的有效性，在一个混乱的环境中，在重尾拉普拉斯过程噪声下使用单稳态动力学。
2021-09-03 cs.RO
S2P2: Self-Supervised Goal-Directed Path Planning Using RGB-D Data for Robotic Wheelchairs
The Hong Kong University of Science and Technology（香港科技大学）；The Hong Kong Polytechnic University（香港理工大学）；the University of California San Diego（加州大学圣迭戈分校）
路径规划是轮椅机器人实现自主导航的基本能力。近年来，随着深度学习技术的飞速发展，基于模仿学习的路径规划方法取得了很好的效果。然而，这些方法的缺点是双重的：1）它们可能需要大量的时间和劳动来记录专家演示作为训练数据;以及2）现有方法只能接收高级命令，例如向左/向右转弯。这些命令可能不足以用于移动机器人的导航（例如，机器人轮椅），这通常需要准确的姿势的目标。我们提出了S2 P2，一个自我监督的目标导向的路径规划方法，有助于解决这个问题。具体来说，我们开发了一个管道来自动生成作为输入RGB-D图像和目标姿势的规划路径标签。然后，我们提出了一个最佳拟合回归平面损失训练我们的数据驱动的路径规划模型的基础上产生的标签。我们的S2 P2不需要预先构建的地图，但它可以通过我们的框架集成到现有的基于地图的导航系统中。实验结果表明，我们的S2 P2优于传统的路径规划算法，并增加了现有的基于地图的导航系统的鲁棒性。我们的项目页面可在https://sites.google.com/view/s2p2上找到。
2021-03-18 cs.RO
Can LLMs Prove Robotic Path Planning Optimality? A Benchmark for Research-Level Algorithm Verification
George Mason University（乔治梅森大学）；Florida Atlantic University（佛罗里达大西洋大学）
本文提出首个评估大语言模型在机器人路径规划算法近似比证明能力的基准测试，包含34个研究级证明任务，揭示了LLM在缺乏领域知识时的局限性，并通过上下文补充分析改进推理质量。
2026-07-20 cs.RO
Path Planning Algorithms for Robotic Aquaculture Monitoring
无人机在快速有效地监控大面积区域方面具有巨大潜力。水产养殖是一个需要连续的水质数据来成功种植和收获鱼类的行业。混合空中水下机器人系统（HAUCS）旨在收集水产养殖池塘的水质数据，以降低农民的劳动力成本。无人机覆盖水产养殖场每个鱼塘的路线可以简化为车辆路线问题。创建数据集以模拟农场上池塘的分布，并用于评估HAUCS路径规划算法（HPP）。它的性能相比，谷歌线性优化包（GROP）和图形注意力模型（AM）的路由问题。对于50到200个池塘，GROP是最有效的求解器，但代价是运行时间较长，而对于大于200个池塘的实例，HPP在解决方案质量和运行时间方面优于其他方法。
2022-04-20 cs.RO
RUL-Aware RRT*: Degradation-Balanced Motion Planning for Robotic Manipulators
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）；Chair of Risk and Resilience of Complex Systems, CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学中央理工高等电力学院复杂系统风险与韧性教席）；Key Laboratory of Urban Underground Engineering, Beijing Jiaotong University（北京交通大学城市地下工程教育部重点实验室）
针对机械臂长期运行中关节退化不均导致过早失效的问题，提出RUL-Aware RRT*方法，将剩余使用寿命信息融入规划并自适应调整关节使用，实验表明能抑制退化不平衡、延迟故障并提升长期可靠性。
2026-10-05 cs.RO
Open-Source, Cost-Aware Kinematically Feasible Planning for Mobile and Surface Robotics
Open Navigation LLC；Carnegie Mellon University（卡内基梅隆大学）；Locus Robotics；QUT Centre for Robotics and School of Electrical Engineering and Robotics（QUT机器人中心和电气工程与机器人学院）
本文提出开源规划框架 Smac Planner，集成 Cost-Aware A*、Hybrid-A* 和 State Lattice 规划器，在保持运动学可行性的同时提升复杂环境性能，并已成为 ROS 2 Nav2 的标准规划系统，广泛应用于全球数千台机器人。
2025-05-08 cs.RO
Joint Communication-Motion Planning in Wireless-Connected Robotic Networks: Overview and Design Guidelines
State Key Laboratory of High Performance Computing (HPCL)（高性能计算国家重点实验室）；School of Computer, National University of Defense Technology（国防科技大学计算机学院）
近年来，机器人技术蓬勃发展，为了支持多机器人系统的共识和协作，机器人之间的无线通信和网络以及基础设施已变得不可或缺。在本技术说明中，我们首先概述了在设计无线连接机器人网络（WCRN）时通信感知运动规划（CAMP）的研究贡献，其中机器人所包含的运动和通信能力所提供的自由度（DoF）尚未得到充分利用。因此，我们提出了联合通信运动规划（JCMP）的框架，以及将JCMP纳入WCRN的架构。所提出的架构是由机器人运动控制和认知无线电中普遍采用的面向对象的决策行动（OODA）模型的动机。然后，我们提供了一个概述的定向模块，量化的连通性评估。之后，我们突出了JCMP模块，并将其与传统的通信规划，其中JCMP的必要性进行了验证，通过理论分析和仿真结果的说明性的例子。最后，一系列的开放性问题进行了讨论，这图片之间的差距，国家的最先进的和一个实用的WCRN。
2015-11-07 cs.RO
Stop-N-Go: Search-based Conflict Resolution for Motion Planning of Multiple Robotic Manipulators
Sogang University（西江大学）
针对拥挤环境中多机械臂因共享空间导致目标位置被阻挡的运动规划问题，提出基于 A* 搜索的 Stop-N-Go 冲突解决方法，通过向轨迹插入暂停以最小化总完成时间，成功解决基线方法无法求解的挑战性实例。
2024-10-10 cs.RO
Hierarchical Planning with Annotated Skeleton Guidance
Texas A&M University（德克萨斯农工大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Instituto Tecnológico Autónomo de México (ITAM)（墨西哥自治技术研究所）
我们提出了一个分层的机器人引导运动规划算法来指导移动机器人。一个好的骨架映射了包含重要自由度的c空间子空间的连通性，并且能够指导规划者快速找到所需的解决方案。然而，有时骨架并不紧密地代表自由c空间，这经常误导当前的骨架引导规划者。随着C空间被采样，分层的信标引导的规划策略逐渐放松其对工作空间骨架的依赖，从而递增地返回次优路径，这是标准信标引导算法中不能保证的特征。实验比较标准的导航规划器和其他懒惰的规划策略显示显着改善路线图建设运行时间，同时保持多查询问题在混乱的环境中的路径质量。
2022-06-23 cs.RO
Informed Guided Rapidly-Exploring Random Trees*-Connect for Path Planning of Walking Robots
Poznan University of Technology（波兹南理工大学）
在本文中，我们处理步行机器人的全身路径规划问题。在多维空间中定义了步行机器人的状态。路径规划需要定义脚和机器人身体的路径。此外，规划者应该检查多个约束，如静态稳定性，自碰撞，与地形的碰撞，以及腿的工作空间。结果，检查潜在路径的可行性是耗时的并且影响规划方法的性能。在本文中，我们验证了基于采样的规划器在步行机器人的路径规划任务的可行性。我们确定了现有规划者的长处和短处。最后，我们提出了一种新的规划方法，提高了足式机器人的路径规划性能。
2023-03-06 cs.RO
Safe and Uncertainty-Aware Robotic Motion Planning Techniques for Agile On-Orbit Assembly
Massachusetts Institute of Technology（麻省理工学院）；Institute for Systems and Robotics, Instituto Superior Técnico（高等技术学院系统与机器人研究所）
随着进入空间和机器人自主能力的发展，同时对部署大型复杂空间结构以提供新的在轨能力的兴趣也越来越大。新的太空观测站，大型轨道前哨站，甚至未来的在轨制造都将通过使用在轨增材制造等技术的空间结构机器人组装来实现，这些技术可以在构建甚至修复复杂硬件方面提供灵活性。然而，在操纵过程中，机器人装配机的动力学可能会在惯性不确定性下运行。因此，惯性估计的机器人和被操纵的组件系统必须考虑在结构装配。这项工作的贡献是解决机器人装配的运动规划和控制，同时考虑到组合的自由飞行机器人装配机和增材制造组件系统的惯性估计。具体来说，线性二次调节器快速探索随机树（LQR-RRT*）和动态可行路径平滑被用来获得无障碍轨迹的系统。此外，模型学习通过对连续系统的近似和伴随的执行安全、目标导向运动的奖励被明确地纳入规划阶段。剩余的不确定性，然后可以处理使用鲁棒管模型预测控制。通过获得控制轨迹，考虑避障和学习的惯性特性的自由飞行器和操纵组件系统，自由飞行器迅速考虑和计划的建设空间结构与增强的系统知识。该方法自然地推广到修理、加油和重新供应空间结构部件，同时在例如以下情况下提供最佳无碰撞轨迹，惯性不确定性
2021-02-20 cs.RO
Toward Autonomous Robotic Micro-Suturing using Optical Coherence Tomography Calibration and Path Planning
Duke University（杜克大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Duke University Medical Center（杜克大学医学中心）
机器人自动化有可能帮助人类外科医生在显微外科手术中执行自动化任务，为了做到这一点，机器人必须能够以亚毫米的精度引导针穿过软组织。提出了一种利用三维光学相干层析成像（OCT）系统进行图像反馈的机器人定位系统。机器人-OCT和机器人-针变换的校准、伤口检测、关键点识别和路径规划都是自动执行的。当使用迭代最近点的变体来抓取针时，校准方法处理姿势不确定性。路径规划器使用所识别的伤口形状来计算针进入点和退出点，以在闭合后产生均匀匹配的伤口形状。对组织模型和动物组织的实验表明，该系统可以使缝合针以0.27 mm的总体精度穿过伤口，实现计划的进入点和退出点。
2020-03-12 cs.RO
Realizing the Aerial Robotic Worker for Inspection Operations
University of Nevada, Reno（内华达大学里诺分校）
本报告概述了一组最近的贡献，在该领域的路径规划，开发，使实现自主空中机器人工作人员进行检查操作。具体的算法贡献解决了机器人检查和探索的几个基本挑战，特别是那些最佳覆盖规划给定的先验已知模型的结构被检查，全覆盖，优化和快速的检查路径规划，以及完全未知的环境和结构的有效探索。所有开发的路径规划器支持完整和非完整系统，并尊重板上的传感器模型和约束。概述所取得的成果，然后是一个集成架构，以便在已知和未知环境中实现完全自主和高效的基础设施检测。
2017-03-08 cs.RO
Guided Sampling-Based Motion Planning with Dynamics in Unknown Environments
George Mason University（乔治梅森大学）
针对部分建图环境中运动规划重规划开销大、易振荡的问题，提出结合高层离散层与历史解引导运动树扩展的增强型采样规划框架，有效提升规划速度与解的一致性。
2023-06-15 cs.RO
SeGMan: Sequential and Guided Manipulation Planner for Robust Planning in 2D Constrained Environments
Bilkent University（毕尔肯大学）
本文提出混合运动规划框架SeGMan，结合采样与优化技术及引导式前向搜索，通过自适应子目标选择和可泛化启发式方法，有效解决2D受限环境中的复杂顺序操作挑战，并在迷宫类任务中优于现有方法。
2025-03-06 cs.RO
From CAD to POMDP: Probabilistic Planning for Robotic Disassembly of End-of-Life Products
wbk Institute of Production Science, Karlsruhe Institute of Technology（wbk生产科学研究所，卡尔斯鲁厄技术大学）
本文提出了一种基于POMDP的概率规划框架，用于机器人拆解废旧产品，通过考虑不确定性来提高拆解效率和适应性。
2025-11-28 cs.RO
Near-Optimal Path Planning for Complex Robotic Inspection Tasks
University of Antwerp（安特卫普大学）
在本文中，我们考虑的问题产生的机器人检查路径。这些路径应允许连接的测量设备执行高质量的测量。我们正式表明，生成机器人路径，同时最大限度地提高检查质量，自然对应于子模块定向越野问题。能够生成具有数学保证的解决方案的传统方法无法扩展到现实世界的问题。在这项工作中，我们提出了一种方法，能够为现实世界中的复杂问题产生接近最优的解决方案。我们实验测试这种方法在各种各样的检查问题，并表明它几乎总是优于传统的方法。我们还表明，我们的方法的近最优性，使其更强大的改变检查问题，因此更普遍。
2019-05-14 cs.RO
T3 Planner: A Self-Correcting LLM Framework for Robotic Motion Planning with Temporal Logic
本文提出 T3 Planner，通过三级级联模块和 STL 验证器让 LLM 自纠正机器人运动计划，显著提升复杂时空逻辑任务的规划可行性，并可蒸馏至 Qwen3-4B 高效部署。
2025-10-19 cs.RO
Hierarchical Prompting with Dual LLM Modules for Robotic Task and Motion Planning
IBM, Krakow, Poland（IBM公司，波兰克拉科夫）；Jagiellonian University, Krakow, Poland（雅盖隆大学，波兰克拉科夫）；AGH University, Krakow, Poland（AGH大学，波兰克拉科夫）
本文提出一个分层语言驱动框架，通过双LLM模块提升服务和协助场景中人机交互的自然性和直观性，结合目标检测与运动执行实现高成功率的任务规划。
2026-05-08 cs.RO
PSO-Based Optimal Coverage Path Planning for Surface Defect Inspection of 3C Components with a Robotic Line Scanner
The Hong Kong Polytechnic University（香港理工大学）；Shanghai Microintelligence Technology Co. Ltd（上海微智科技有限公司）
本文提出了一种基于PSO的机器人线扫描仪覆盖路径规划方法，通过混合区域分割和自适应算法生成局部路径，并优化全局路径序列，实现3C自由曲面物体表面缺陷的高效自动检测。
2024-07-28 cs.RO
Path Planning using Instruction-Guided Probabilistic Roadmaps
CyberAgent, Inc.（CyberAgent公司）
本文提出指令引导概率路线图（IG-PRM），利用大语言模型将自然语言指令转为嵌入向量，预测成本地图并构建路线图，实现移动机器人按指令导航，实验验证其在合成及真实室内环境中的有效性。
2025-02-23 cs.RO
A review of motion planning algorithms for intelligent robotics
University of Eastern Finland（东芬兰大学）；Shenzhen Technology University（深圳技术大学）
研究和分析了典型的运动规划算法的原理。这些包括传统的规划算法，监督学习，最优值强化学习，策略梯度强化学习。我们研究的传统规划算法包括图搜索算法、基于采样的算法和插值曲线算法。监督学习算法包括MSVM、LSTM、MCTS和CNN。最优值强化学习算法包括Q学习、DQN、双DQN、决斗DQN。策略梯度算法包括策略梯度法、行动者-批评者算法、A3 C、A2 C、DPG、DDPG、TRPO和PPO。通过分析比较，提出了评价运动规划算法性能和应用的新的通用标准。重点分析了最优值算法和策略梯度算法的收敛速度和稳定性。根据运动规划算法的原理和分析比较，提出了未来的发展方向。本文对机器人运动规划算法的优缺点、相互关系和未来发展趋势有了一个清晰全面的认识，为更好的运动规划算法的研究铺平了道路。
2021-02-05 cs.AI cs.RO
On the Use of the Observability Gramian for Partially Observed Robotic Path Planning Problems
Department of Electrical and Computer Engineering（电气与计算机工程系）
本文探讨了利用可观测性格拉姆矩阵作为估计性能代理进行优化的局限性，指出其可能产生误导性的路径规划结果。
2018-01-30 cs.RO cs.SY eess.SY
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
Path planning for Robotic Mobile Fulfillment Systems
University of Paderborn（帕德博恩大学）；Leuphana University of Lüneburg（吕讷堡莱法纳大学）
本文提出了一个收集的路径规划算法的实时移动的多个机器人在机器人移动履行系统（RMFS）。机器人被指派将存储单元移动到工作站的拣选员，而不是要求拣选员去存储区域。路径规划算法的目标是为机器人找到路径，以满足没有冲突或死锁的请求。最先进的路径规划算法，包括WHCA*，FAR，BCP，OD&ID和CBS，经过调整以适应RMFS中的路径规划，并集成在仿真工具中，以引导机器人在存储和检索过程中从起点到目的地。在模拟研究中考虑了十种不同的布局，其中包括各种数量的机器人，楼层，吊舱，车站和存储区域的大小。性能指标的吞吐量，路径长度和搜索时间进行了监测。仿真结果表明，最好的算法的基础上，每个性能指标。
2018-11-19 cs.AI cs.RO
Collaborative Task and Path Planning for Heterogeneous Robotic Teams using Multi-Agent PPO
Robotic Systems Lab (RSL), ETH Zürich（苏黎世联邦理工学院机器人系统实验室（RSL））
本文提出基于多智能体PPO的协同规划策略，用于解决复杂的目标分配与调度问题，通过对比穷举搜索得到的单目标最优解，评估其在行星探索场景中的在线重规划能力。
2026-04-01 cs.MA cs.RO
IMPASTO: Integrating Model-Based Planning with Learned Dynamics Models for Robotic Oil Painting Reproduction
Stanford University（斯坦福大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of California, Berkeley（加州大学伯克利分校）；Columbia University（哥伦比亚大学）
IMPASTO通过整合学习的动力学模型与基于模型的规划，实现机器人基于目标油画图像的复现，无需人类示范或精确模拟，提升复现精度。
2026-03-31 cs.AI cs.RO
Counterexample Guided Inductive Optimization Applied to Mobile Robots Path Planning (Extended Version)
Federal Institute of Amazonas（亚马逊联邦学院）；Federal University of Amazonas（亚马逊联邦大学）；University of Oxford（牛津大学）
我们描述和评估一种新的基于反例引导归纳优化（CEGIO）技术的移动机器人离线路径规划算法。CEGIO迭代地采用从布尔可满足性（SAT）和可满足性模理论（SMT）求解器生成的反例，以指导优化过程并确保全局优化。本文是CEGIO在移动机器人路径规划中的首次应用，特别是CEGIO已经成功地应用于使用现成的SAT和SMT求解器获得自主移动机器人的最优二维路径。
2017-08-14 cs.AI cs.RO
Learned Critical Probabilistic Roadmaps for Robotic Motion Planning
Google（谷歌）；Waymo Research（Waymo研究院）
基于采样的运动规划技术已经成为解决复杂运动规划问题的有效算法范例。这些方法使用一组探测样本来构建机器人状态空间的隐式图形表示，当样本数量增加到无穷大时，允许任意精确的表示。然而，在实践中，解轨迹仅依赖于通常由状态空间中的结构定义的几个临界状态（例如，门道）。在这项工作中，我们提出了一个通用的方法来识别这些关键状态，通过图论技术（介数中心），并学会预测关键性只有当地的环境特征。然后，这些状态通过层次图中的全局连接得到更大程度的利用，称为关键概率路线图。关键的PRM被证明实现了三个数量级的改善均匀采样，同时保留的保证和基于采样的运动规划的复杂性。视频可在https://youtu.be/AYoD-pGd9ms上获得。
2019-10-08 cs.LG cs.RO
Keypoint-based Diffusion for Robotic Motion Planning on the NICOL Robot
Dept. of Informatics, University of Hamburg（信息学院，汉堡大学）
提出一种基于扩散的动作模型用于NICOL机器人运动规划，通过学习数值规划器生成的数据集，在不使用点云编码的情况下，运行时间比数值模型快一个数量级，且无碰撞成功率达90%。
2025-09-16 cs.AI cs.RO
Trajectory Planning of Robotic Manipulator in Dynamic Environment Exploiting DRL
Lahore University of Management and Sciences（拉合尔管理科学大学）；Speridian Technologies（斯佩里迪安技术公司）
本研究针对未知动态环境下机械臂的轨迹规划问题，应用DDPG算法控制7自由度机械臂避开随机移动障碍物完成拾放任务，并对比了密集与稀疏奖励下的模型效率。
2024-03-25 cs.RO cs.SY eess.SY
Tube RRT*: Efficient Homotopic Path Planning for Swarm Robotics Passing-Through Large-Scale Obstacle Environments
School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）
针对大规模障碍环境下群体机器人缺乏高效同伦路径规划方法的问题，本文提出改进自RRT算法的Tube RRT*方法，兼顾间隙体积与路径长度以缓解拥堵，经仿真实验验证了有效性。
2024-10-31 cs.RO cs.SY eess.SY
ReAct! An Interactive Tool for Hybrid Planning in Robotics
Sabancı University（Sabanci大学）
ReAct! 提供了一种交互式工具，使机器人研究人员能够在无需了解底层形式化细节的情况下，通过高级推理解决复杂规划问题，适用于服务机器人和认知工厂等动态领域。
2013-07-29 cs.AI cs.LO cs.RO
Logically Constrained Robotics Transformers for Enhanced Perception-Action Planning
Carnegie Mellon University（卡内基梅隆大学）；Scaled Foundations
本文提出将信号时序逻辑规范融入自回归 Transformer 轨迹规划的新方法，并构建预训练数据集，使规范满足率较基线提升 74.3%。
2024-08-09 cs.AI cs.RO
Planning for robotic exploration based on forward simulation
Tampere University of Technology（坦佩雷理工大学）
本文提出基于POMDP的探索规划方法，结合信息论目标函数和正向模拟算法，通过改进的互信息近似方法提升机器人在部分已知环境中的探索效率。
2016-06-29 cs.RO cs.SY eess.SY
A Novel Multivariate Skew-Normal Mixture Model and Its Application in Path-Planning for Very-Large-Scale Robotic Systems
Marshall University（马歇尔大学）；Peking University（北京大学）
针对超大规模机器人系统在杂乱环境中的路径规划问题，提出多元偏态正态混合模型（SNMM）及其参数学习算法，并开发了两种基于SNMM的路径规划算法，仿真证明其优于传统高斯混合模型方法。
2024-02-16 cs.MA cs.RO
MPC-based Coarse-to-Fine Motion Planning for Robotic Object Transportation in Cluttered Environments
Department of Electrical and Computer Engineering, University of Kaiserslautern Landau（电气与计算机工程系，凯撒斯劳滕大学）；Department of Mechanical Engineering, Dalhousie University（机械工程系，达尔豪斯大学）
本文提出一种杂乱未建模环境下的机器人粗到细运动规划框架，结合双相机感知与基于B样条的MPC，通过增量视觉数据融合逐步细化环境模型与轨迹，利用核感知器碰撞检测实现实时约束更新，并在多臂平台验证了其鲁棒性与适应性。
2025-07-15 cs.RO cs.SY eess.SY
Integrating path-planning and control for robotic unicycles
Department of Mechanical Engineering, University of Michigan（机械工程系，密歇根大学）；HUN-REN–BME Dynamics of Machines Research Group（HUN-REN–BME 机械动力学研究组）；Department of Mechanical Engineering and with the Department of Civil and Environmental Engineering, University of Michigan（机械工程系和土木与环境工程系，密歇根大学）；Department of Applied Mechanics, Budapest University of Technology and Economics（应用力学系，布达佩斯技术与经济大学）
本文针对机器人独轮车提出一种路径规划与控制集成方法，将路径分为直线与曲线段并优化曲率剖面，通过数值仿真验证了其在加速、制动和转向中的有效性。
2025-07-03 cs.RO cs.SY eess.SY
Topological Robotics: Subspace Arrangements and Collision Free Motion Planning
本文研究拓扑机器人的一个基本问题：一组不同的$n$粒子的集体运动，其中一个粒子必须从一个初始构型移动到一个最终构型，要求在运动过程中不发生碰撞。最终的目标是构建一个算法，一旦初始和最终的配置是给定的，将执行此任务。这就归结为一个拓扑问题：求\R^m中$n$不同有序粒子的构形空间C_n（\R^m）的拓扑复杂度TC（C_n（\R^m））.我们对m=2（平面情形）和所有奇数m（包括m=3的情形（三维空间中的粒子））解决了这个问题。我们还研究了欧几里得空间中以超平面排列为障碍的更一般的运动规划问题。
2002-10-08 cs.RO math.AT math.DG
Fast-reactive probabilistic motion planning for high-dimensional robots
Massachusetts Institute of Technology（麻省理工学院）
许多涉及高维人形机器人的真实机器人操作需要对规划干扰的快速反应和碰撞风险的概率保证，而大多数为汽车类机器人开发的概率运动规划方法不能直接应用于高维机器人。在本文中，我们提出了概率Chekov（p-Chekov），一个快速反应的运动规划系统，可以提供安全保证高维机器人遭受过程噪声和观测噪声。利用机器学习的最新进展以及我们以前在确定性运动规划方面的工作，将轨迹优化集成到稀疏路线图框架中，p-Chekov在复杂环境中的高维机器人运动规划任务中的避撞能力和规划速度方面表现出其优越性，而无需凸化障碍物。本文提供的全面的理论和实证分析表明，p-Chekov可以有效地满足用户指定的机会约束的碰撞风险在实际的机器人操作任务。
2020-12-03 cs.LG cs.RO
An advantage actor-critic algorithm for robotic motion planning in dense and dynamic scenarios
University of Eastern Finland（东芬兰大学）；Shenzhen Technology University（深圳技术大学）
智能机器人为工业和服务场景的效率提升提供了新的见解，以取代人类劳动。然而，这些场景包括密集和动态的障碍物，使得机器人的运动规划具有挑战性。传统的算法如A* 算法可以在静态环境中规划无碰撞轨迹，但在密集和动态场景中，它们的性能会下降，计算成本会急剧增加。最优值强化学习算法（RL）可以解决这些问题，但网络收敛速度慢且不稳定。策略梯度强化学习网络在Atari游戏中收敛速度快，其中动作是离散和有限的，但很少有工作已经做，以解决问题，连续的行动和大的行动空间是必需的。本文对现有的优势行动者-评价者算法进行了改进，使之适用于复杂的运动规划，从而产生机器人的最优速度和方向。实验结果表明，我们的算法比最优值RL收敛更快，更稳定。该方法在机器人完成运动规划的过程中，以较少的处理时间达到较高的规划成功率。
2021-02-05 cs.AI cs.RO
Vector Cost Behavioral Planning for Autonomous Robotic Systems with Contemporary Validation Strategies
Michigan State University（密歇根州立大学）；Embry-Riddle Aeronautical University（艾姆伯-理德航空大学）；City College of New York（纽约市立大学）；Istanbul Technical University（伊斯坦布尔技术大学）
本文提出了一种基于向量成本双矩阵博弈的自主机器人行为规划方法，结合XAI和SEMBAS技术，通过对比标量加权和方法，展示了在多目标优化和敏感性分析中的优越性能。
2025-11-21 cs.GT cs.RO
A CT-guided Control Framework of a Robotic Flexible Endoscope for the Diagnosis of the Maxillary Sinusitis
本文提出一种 CT 引导的机器人柔性内窥镜控制框架，通过规划可行路径并采用最优控制实现自主跟随，实验验证其可准确到达上颌窦目标位置。
2024-10-27 cs.RO cs.SY eess.SY
A bi-criteria path planning algorithm for robotics applications
Cornell University（康奈尔大学）；United Technologies Research Center（联合技术研究中心）；Stevens Institute of Technology（史蒂文斯理工学院）
本文提出一种高效的双标准路径规划算法，通过扩展状态空间来跟踪剩余预算，以满足二次成本约束。该算法在概率道路图上测试，用于最小化旅行距离同时控制总体威胁暴露。
2017-01-08 cs.RO cs.SY eess.SY
When Automata Meet Streams: Temporal Logic Compilation for Stream-Based Robotics Task and Motion Planning
该研究提出SAM-TD方法，将LTL_f约束编译为自动机并嵌入动作模式，实现基于流的TAMP对动态生成对象的时态约束处理，在机器人环境中验证了其可行性与竞争力。
2026-08-21 cs.FL cs.RO
Comparison of Innovative Strategies for the Coverage Problem: Path Planning, Search Optimization, and Applications in Underwater Robotics
本文比较了TSP、MST和OCP三种覆盖路径规划策略，用于水下机器人检测放射性源，发现OCP在时间受限时更优但计算成本高，MST更快但次优，为任务优先级下的算法选择提供指导。
2025-06-18 cs.RO cs.SY eess.SY
HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing
University of Colorado Boulder（科罗拉多大学博尔德分校）
提出HARPS框架，结合在线POMDP、多模态语义交互与贝叶斯融合，使机器人利用人类标注的软数据改善环境信念，仿真和人类实验显示显著提升目标捕获效率。
2023-03-28 cs.AI cs.HC cs.RO
Towards Intention Recognition for Robotic Assistants Through Online POMDP Planning
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Institute of Computer Science, University of Osnabrück（奥斯纳布吕克大学计算机科学学院）
针对工业场景中机器人助手需应对干扰、噪声观测等挑战，本文提出基于在线POMDP规划的部分可观测模型实现意图识别，通过交织信息收集与主动任务达成主动目标识别，展示初步实验结果并讨论相关挑战。
2024-11-26 cs.AI cs.RO
