Co-Optimization of Tool Orientations, Kinematic Redundancy, and Waypoint Timing for Robot-Assisted Manufacturing
提出一种并发可扩展的轨迹优化方法，同时优化工具朝向、运动学冗余和路径点定时，利用基于分解的核外并行数值方案提升机器人辅助制造的平滑度与效率。
2024-12-20 cs.RO
Multiple Waypoint Navigation in Unknown Indoor Environments
IIT Kharagpur（印度理工学院卡拉格普尔分校）
室内运动规划的重点是解决通过杂乱的环境导航代理的问题。到目前为止，在这一领域已经做了大量的工作，但这些方法往往无法找到计算成本低的在线路径规划和路径的最优性之间的最佳平衡。与此同时，这些工作往往证明单起点单目标世界的最优性。为了解决这些挑战，我们提出了一个多路点路径规划器和控制器堆栈导航在未知的室内环境中，路点包括的目标以及中间点，机器人必须遍历之前达到的目标。我们的方法利用了一个全局规划器（在任何时刻找到下一个最佳航点），一个本地规划器（规划到特定航点的路径），和一个自适应模型预测控制策略（鲁棒系统控制和更快的机动）。我们评估我们的算法上的一组随机生成的障碍地图，中间航路点，和启动目标对，结果表明，显着降低计算成本，高精度和鲁棒控制。
2022-09-18 cs.RO
Three-dimensional Trajectory Optimization for Quadrotor Tail-sitter UAVs: Traversing through Given Waypoints
School of Aeronautics and Astronautics, Zhejiang University（浙江大学航空航天学院）；Zhejiang University（浙江大学）
针对尾座式无人机垂直与水平飞行轨迹分离的问题，提出基于微分平坦性和MINCO的三维轨迹优化方法，将速度约束软化为软约束并用MPC跟踪，性能优于L1制导律和Dubins路径。
2025-01-18 cs.RO
Underactuated Waypoint Trajectory Optimization for Light Painting Photography
Technische Universität Darmstadt（达姆施塔特工业大学）
尽管它们在机器人和自然界中非常丰富，但欠驱动系统仍然是控制工程的一个挑战。轨迹优化提供了一种普遍适用的解决方案，然而，其效率在很大程度上取决于工程师以优化器友好的方式构建问题的技能。本文提出了一种程序，自动化的一类任务，其中所需的轨迹指定的一系列航点的问题重新制定。该方法是基于引入辅助优化变量，代表航点激活。为了验证所提出的方法，一个字母绘制任务，其中使用长曝光摄影可视化的形状跟踪的尖端的旋转倒立摆。
2020-03-03 cs.RO cs.SY eess.SY
Waypoint Planning Networks
Imperial College London（伦敦帝国理工学院）；Ryerson University（瑞尔森大学）
随着机器学习的最新进展，路径规划算法也在不断发展;然而，学习的路径规划算法通常难以与经典算法的成功率竞争。我们提出了航点规划网络（WPN），一种基于LSTM的混合算法，具有局部内核-经典算法，如A*，以及使用学习算法的全局内核。WPN产生计算效率更高且更强大的解决方案。我们比较了WPN与A*，以及相关的工作，包括运动规划网络（MPNet）和价值迭代网络（VIN）。在本文中，设计和实验已经进行了2D环境。实验结果概述了WPN的好处，无论是在效率和泛化。结果表明，WPN的搜索空间是大大小于A*，同时能够产生接近最优的结果。此外，WPN可以在部分地图上工作，不像A* 需要提前获得完整的地图。代码可在线获取。
2021-05-01 cs.LG cs.RO
Trajectory Splitting: A Distributed Formulation for Collision Avoiding Trajectory Optimization
University of California, Berkeley（加州大学伯克利分校）；X, the Moonshot Factory（X（登月工厂））
有效的轨迹优化对于避免非结构化环境中的碰撞至关重要，但在解决方案中同时具有速度和质量仍然具有挑战性。一个原因是二阶最优性要求计算海森矩阵，该海森矩阵可以随着$O(N^2)$和航路点的数量而增长。减少航路点可以二次地减少计算时间。不幸的是，较少的航路点导致可能无法避免碰撞的较低质量的轨迹。为了同时拥有密集的航路点和减少的计算时间，我们从最近的共识优化研究中获得灵感，提出了一种分布式的同位轨迹优化公式。它将一个长轨迹分成几段，每段都是几个路点的子问题。这些子问题被经典地解决，但并行地，并且解决方案被融合到具有共识约束的单个轨迹中，该共识约束通过共识更新来强制片段的连续性。通过该方案，二次复杂度被分配到每个段，并且能够求解具有更密集的路点的更高质量的轨迹。此外，所提出的配方是服从使用任何现有的轨迹优化解决的子问题。我们比较了我们的执行轨迹分裂对领先的运动规划算法的性能，并证明了我们的方法的计算效率的提高。
2021-11-02 cs.RO cs.SY eess.SY
Robot Local Planner: A Periodic Sampling-Based Motion Planner with Minimal Waypoints for Home Environments
Frontier Research Center, Toyota Motor Corporation（丰田汽车公司前沿研究中心）；Department of Information Science, Faculty of Information Science, Aichi Institute of Technology（爱知技术大学信息科学系）
本研究提出了一种基于周期采样的机器人局部规划器，通过减少路径点和提高鲁棒性，实现家庭环境中的高效安全运动规划。
2026-02-24 cs.RO
Two-Step Online Trajectory Planning of a Quadcopter in Indoor Environments with Obstacles
Automation and Control Institute (ACIN), TU Wien（维也纳工业大学自动化与控制研究所）；Center for Vision, Automation and Control, AIT Austrian Institute of Technology（奥地利技术研究所视觉、自动化与控制中心）；Department of Computer Science, University of Liverpool（利物浦大学计算机科学系）
提出了一种在室内未知障碍物环境下的两步在线轨迹规划算法。在第一步中，基于采样的路径规划技术，如最佳快速探索随机树（RRT*）算法和视线（LOS）算法，生成一个无碰撞的路径组成的多路点。然后，在第二步中，约束二次规划被用来计算一个光滑的轨迹，通过所有计算的航路点。这项工作的主要贡献是开发了一个灵活的轨迹规划框架，可以检测环境中的变化，如新的障碍物，并计算替代轨迹实时的。该算法积极考虑环境中的所有变化，并只在被新障碍物占据的航路点上执行重新规划过程。这有助于减少计算时间并实时的实现所提出的方法。该算法的可行性评估使用英特尔航空准备飞行（RTF）四轴飞行器在模拟和现实世界的实验。
2023-02-06 cs.RO
Sparse Waypoint Validity Checking for Self-Entanglement-Free Tethered Path Planning
Zhejiang University（浙江大学）
针对系绳差速驱动机器人的自缠绕问题，提出基于相对角度有界约束的搜索式路径规划算法，并通过稀疏航点检查提升效率，实验验证其有效性。
2023-08-30 cs.RO
Fast-Revisit Coverage Path Planning for Autonomous Mobile Patrol Robots Using Long-Range Sensor Information
Human-Centered Robotics Lab（以人为本机器人实验室）；Ostfalia University of Applied Sciences（奥斯特法利亚应用科学大学）
针对工业场地UGV巡逻的覆盖与快速重访需求，提出FaRe-CPP算法，通过贪婪启发式航点生成和随机搜索路径优化，在Gazebo与TurtleBot3仿真中较现有算法分别将路径长度和重访时间降低至少21%和33%。
2025-07-25 cs.RO
Safe and Fuel-Efficient Motion Planning for Lunar Propulsive Drones
Stanford University（斯坦福大学）
针对月球推进式无人机，提出含视觉引导最优控制、定制语义分割模型与MPC的自主运动规划框架，经高保真模拟验证，可生成安全燃油高效且低误差跟踪的跳跃轨迹。
2026-10-30 cs.RO
Multi-agent Motion Planning from Signal Temporal Logic Specifications
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Massachusetts Institute of Technology（麻省理工学院）
我们解决了具有挑战性的问题，多智能体合作运动规划的复杂任务，使用信号时序逻辑（STL），机器人可以有非线性和非完整动力学。多智能体运动规划中的现有方法，特别是基于离散抽象和模型预测控制（MPC）的那些方法，在任务的复杂性、工作空间的大小和规划范围方面遭受有限的可扩展性。针对这一问题，提出了一种基于{ \em定时航路点\/}的方法。我们发现，定时路点可以帮助抽象的非线性行为的系统作为安全信封周围的参考路径定义的这些路点。然后搜索满足STL规范的航路点可以归纳编码为一个混合整数线性规划。智能体按照合成的定时航路点自动分配任务，并保证满足STL规范，同时避免冲突。我们评估的算法在各种各样的基准。结果表明，它支持多智能体规划从复杂的规格在长期的规划视野，并显着优于国家的最先进的抽象为基础的和基于MPC的运动规划方法。该实现可在https://github.com/sundw2014/STLPlanning上获得。
2022-01-13 cs.MA cs.RO cs.SY
Chance Constrained Motion Planning for High-Dimensional Robots
Massachusetts Institute of Technology（麻省理工学院）
本文介绍了概率Chekov（p-Chekov），一个机会约束运动规划系统，可应用于高自由度（DOF）机器人运动不确定性和不完善的状态信息。给定过程和观测噪声模型，它可以找到可行的轨迹，满足用户指定的边界上的碰撞概率。利用我们以前在确定性运动规划中的工作，将轨迹优化集成到稀疏路线图框架中，p-Chekov在高维任务的规划速度方面表现出优越性。P-Chekov将线性二次高斯运动规划方法应用到机器人状态概率分布的估计中，将积分理论应用到航路点碰撞风险估计中，并采用风险分配方法来分配航路点之间的允许故障概率。与其他现有的风险感知规划器不同，p-Chekov可以应用于高自由度的机器人规划任务，而无需对环境进行凸化。本文的实验结果表明，该p-Chekov系统可以有效地降低碰撞风险，并满足用户指定的机会约束，在典型的现实世界规划场景的高自由度机器人。
2018-11-07 cs.RO
Functional Gradient Motion Planning in Reproducing Kernel Hilbert Spaces
University of Washington（华盛顿大学）；Georgia Institute of Technology（佐治亚理工学院）
在再生核希尔伯特空间（RKHS）中提出了一种机器人运动规划的函数梯度下降轨迹优化算法。函数梯度算法是复杂多自由度机器人运动规划的流行选择，因为它们（理论上）通过在连续轨迹的空间内直接优化来避免障碍物，同时保持几何特性，如平滑度。然而，在实践中，函数梯度算法通常致力于固定的、有限的轨迹参数化，通常作为路点列表。这样的参数化可能会失去在连续轨迹空间中推理的大部分好处：例如，可能需要采用不方便的小步长和大量迭代来保持平滑度。我们的工作概括了功能梯度轨迹优化，制定它作为最小化的成本功能在RKHS。这种推广使我们能够将轨迹表示为核函数的线性组合，而不需要任何路点。因此，我们能够采取更大的步骤，并在几次迭代中实现局部最优轨迹。根据内核的选择，我们可以直接在速度、加加速度、曲率等方面固有平滑的轨迹空间中进行优化，并且具有低维的、自适应选择的参数化。我们的实验说明了不同的内核，包括高斯径向基函数，拉普拉斯径向基函数和B-样条，相比，标准的离散化路点表示的规划的有效性。
2016-01-14 cs.RO
Perception-Aware Time-Optimal Planning for Quadrotor Waypoint Flight
University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航空航天研究所在加拿大）；Robotics and Perception Group（机器人与感知组）
本文提出了一种感知意识时间最优轨迹优化框架，结合动力学、视觉约束和环境几何，提升四旋翼飞行的感知可靠性与效率。
2026-03-04 cs.RO
Enhancing Path Planning Performance through Image Representation Learning of High-Dimensional Configuration Spaces
本研究提出一种结合带梯度惩罚的Wasserstein生成对抗网络与快速探索随机树的路径规划加速方法，通过路点矩阵编码、扩散条件约束及失效回退机制，在时间约束下有效提升高维空间路径规划效率。
2025-01-11 cs.AI cs.RO
Multi-Waypoint Path Planning and Motion Control for Non-holonomic Mobile Robots in Agricultural Applications
Institute for Applied Artificial Intelligence and Robotics (IKR)（应用人工智能与机器人研究所）
针对农业非结构化环境下非完整移动机器人的多航点导航需求，提出融合DTSP全局规划与NMPC局部控制的集成框架，仿真验证其路径更短更平滑，可高效满足农业自主导航约束。
2025-07-31 cs.AI cs.RO cs.SY
Hierarchical Path-planning from Speech Instructions with Spatial Concept-based Topometric Semantic Mapping
Ritsumeikan University（立命馆大学）
本研究提出整合地点连通性的SpCoTMHP方法，通过拓扑度量语义地图实现分层空间表示与带航点的语音指令路径规划，实验验证其成功率和计算效率均优于基线方法。
2024-06-21 cs.AI cs.RO
Towards Optimizing a Convex Cover of Collision-Free Space for Trajectory Generation
University of Pennsylvania（宾夕法尼亚大学）
本文提出一种在线迭代算法，优化凸覆盖以近似自由空间下界，生成安全飞行走廊，通过最大化重叠多面体体积并处理路径点约束，实现高效轨迹生成，并在参数化环境中验证了其有效性。
2025-03-27 cs.RO
Resilient Motion Planning for Free-Flying Space Robots under Actuator Failures
ETH Zürich（苏黎世联邦理工学院）；KTH Royal Institute of Technology（瑞典皇家理工学院）；Digital Futures
针对自由飞行空间机器人推进器故障，提出基于马尔可夫链和可达集的概率运动规划框架，最大化目标到达概率，并在物理平台上验证了其弹性。
2026-09-18 cs.RO
Autonomous Vehicles Path Planning under Temporal Logic Specifications
AUDI AG（奥迪股份公司）；University of Twente（屯特大学）；Technical University of Munich（慕尼黑工业大学）
本文提出一种基于逻辑的规范机制，解决自动驾驶局部路径规划中实时环境更新与多源复杂要求（避障、交通规则等）的挑战。
2024-10-10 cs.LO cs.RO
Whole-Body Integrated Motion Planning for Aerial Manipulators
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院）；Differential Robotics Technology Co., Ltd.（差分机器人技术有限公司）
提出一种面向四旋翼空中机械臂的全身一体化运动规划框架，通过灵活航点约束、时空优化与模仿学习，实现复杂任务下的安全可行轨迹生成，并经仿真和真机验证九项操作技能。
2025-09-29 cs.RO
Perching on Moving Inclined Surfaces using Uncertainty Tolerant Planner and Thrust Regulation
Shanghai Jiao Tong University（上海交通大学）
四旋翼能够停在移动的倾斜表面上，可以节省能源，并通过利用地面车辆延长行驶距离。实现动态驻留对SE（3）中的轨迹规划性能和终端状态精度提出了很高的要求。然而，在停留过程中，目标表面预测，跟踪控制和外部干扰的不确定性可能会导致轨迹规划失败或导致不可接受的终端误差。为了解决这些挑战，我们首先提出了一个轨迹规划器，考虑适应目标预测和跟踪控制中的不确定性。为了方便这项工作，四旋翼的状态的可达集首先进行了分析。最优航路点定义为可达集对不确定目标具有最大覆盖概率的状态。在此基础上，提出了一种针对静态和运动不确定目标的局部最优航路点搜索方法。在此基础上，提出了一种基于优化航路点的实时航迹规划器。其次，推力调节也实施在终端姿态跟踪阶段，以应对外部干扰。当四旋翼的姿态被命令与目标表面对准时，推力被优化以最小化终端误差。这使得终端位置和速度以闭环方式被控制。因此，提高了抗干扰性和终端精度。大量的仿真实验表明，我们的方法可以提高终端状态的不确定性的准确性。与没有推力调节的两端规划器相比，成功率大约增加了$50\%$。栖息在汽车的后窗也实现了使用我们提出的异构合作系统户外。这验证了我们的方法的可行性和实用性。
2022-12-21 cs.RO
A $1000\times$ Faster LLM-enhanced Algorithm For Path Planning in Large-scale Grid Maps
Junlin Zeng, Xin Zhang, Xiang Zhao, Yan Pan（作者）
本文提出iLLM-A*算法，通过优化A*和增量学习方法，实现大规模网格地图路径规划的1000倍速度提升和内存节省。
2025-12-01 cs.AI cs.RO
Multi-Step Gaussian Process Propagation for Adaptive Path Planning
Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系）；Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（挪威科技与自然大学（NTNU）工程控制系）；Department of Electronic Systems, Norwegian University of Science and Technology (NTNU)（挪威科技与自然大学（NTNU）电子系统系）
本文提出基于高斯过程的多步路径规划方法OLAhGP，通过融合多模态环境传感数据和状态输入约束，提升自主水面舰在藻类监测中的路径规划效率与鲁棒性。
2026-04-21 cs.RO
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
Geometry-Aligned LLM Fine-Tuning for Sequential Narrow-Opening Planning
George Mason University（乔治·马歇尔大学）
本文提出几何对齐的LLM微调框架，通过多阶段狭窄开口序列规划实现长视距几何推理，采用失败驱动LoRA监督微调与GRPO优化提升路径可行性。
2026-03-17 cs.RO
Swarm-GPT: Combining Large Language Models with Safe Motion Planning for Robot Choreography Design
University of Toronto（多伦多大学）；Technical University of Munich（慕尼黑工业大学）
Swarm-GPT通过将大型语言模型与安全群体运动规划相结合，使用户能用自然语言生成可部署的无人机编舞，并以28.7 mm的平均仿真到现实RMSE验证了其准确性与安全性。
2023-12-02 cs.RO
Topology-Guided ORCA: Smooth Multi-Agent Motion Planning in Constrained Environments
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
提出拓扑引导的ORCA，通过构建环境拓扑图并利用航点引导，解决ORCA在静态障碍物环境中易卡住的问题，实现更平滑自然的多智能体运动规划。
2024-08-20 cs.RO
A Data-Driven Approach for Autonomous Motion Planning and Control in Off-Road Driving Scenarios
本文提出了一种新的数据驱动的方法，车辆运动规划和控制在越野驾驶场景。对于自动越野驾驶，环境条件会影响地形的可通行性，这是天气、表面成分和坡度的函数。处理地理信息系统和国家环境信息中心数据集，为交互式规划和控制系统要素提供这一信息。顶层全局路线规划器（GRP）使用动态规划（DP）来定义最优航路点。本地路径规划器（LPP）计算航路点之间的期望轨迹，从而避免不可行的控制状态和与障碍物的碰撞。LPP还利用实时感测和控制数据更新GRP。一个低层次的反馈控制器应用反馈线性化渐近跟踪指定的LPP轨迹。自动驾驶模拟结果的地形穿越俄勒冈州和印第安纳州的案例研究。
2018-05-25 cs.AI cs.RO
Efficient and Robust Time-Optimal Trajectory Planning and Control for Agile Quadrotor Flight
Beijing Institute of Technology（北京理工大学）；Beijing Institute of Technology Chongqing Innovation Center（北京理工大学重庆创新中心）；Tongji University（同济大学）
针对敏捷四旋翼时间最优轨迹规划计算慢、跟踪易受扰动的问题，提出固定航点节点+区间独立采样的快速规划方法，结合时间自适应模型预测控制提升跟踪鲁棒性，并通过仿真和动态航点实验验证了性能。
2023-05-04 cs.RO cs.SY eess.SY
NeurRAFT: Robot Motion Planning via Anchor-Level Flow Matching with Clearance-Aware Preference Tuning
Texas A&M University（德克萨斯农工大学）
NeurRAFT是基于锚点级流匹配与避障距离感知偏好调优的生成式机器人运动规划框架，可显著提升杂乱环境下的无碰撞规划性能，且能零样本迁移至Franka机器人。
2026-08-26 cs.RO
Trajectory Planning for Autonomous Driving in Unstructured Scenarios Based on Graph Neural Network and Numerical Optimization
Jilin University（吉林大学）
针对非结构化场景中传统多阶段轨迹规划参数设计繁琐、端到端方法难以满足动力学与避障约束的问题，本文提出一种结合图神经网络初始轨迹预测与数值优化轨迹修正的两阶段方法，仿真实验表明其简化了规划流程并显著提升了规划效率。
2024-06-13 cs.RO
Pose-Parameterized Motion Planning and CBF-QP Self-Collision Filtering for a Long-Reach Drilling Boom
Faculty of Engineering and Natural Sciences, Tampere University（坦佩雷大学工程与自然科学学院）；Sandvik Mining and Construction Oy（山特维克采矿与建筑公司）
研究针对长距离钻臂从操作员监督控制向自主控制转变的需求，提出在测量状态逆运动学中集成姿态参数化规划与CBF-QP的方法，经两项钻孔任务评估，该方法效果良好，无逆运动学故障，位置误差小。
2026-07-22 cs.RO cs.SY eess.SY
SmartWay: Enhanced Waypoint Prediction and Backtracking for Zero-Shot Vision-and-Language Navigation
Australian Institute for Machine Learning at the University of Adelaide（澳大利亚机器学习研究所（阿德莱德大学））
针对现有连续环境视觉语言导航框架的不足，提出融合增强航点预测器与MLLM导航器的零样本框架，在基准测试和真实场景中均表现优异。
2025-06-17 cs.CV cs.RO
Waypoint Generation in Row-based Crops with Deep Learning and Contrastive Clustering
Politecnico di Torino（都灵理工大学）；PIC4SeR (PoliTo Interdepartmental Centre for Service Robotics)（PIC4SeR（都灵理工大学服务机器人跨部门中心））
精准农业的发展逐渐在农业过程中引入了自动化，以支持和合理化与田间管理有关的所有活动。特别是，服务机器人在这一发展中发挥了主导作用，部署了自主智能体，能够在田间导航，同时执行不同的任务，而不需要人为干预，如监测，喷洒和收获。在这种情况下，全局路径规划是每个机器人任务的第一个必要步骤，并确保有效地执行导航并具有完整的现场覆盖范围。在本文中，我们提出了一种基于学习的方法来解决航点生成规划的导航路径行为基础的作物，从一个俯视图的区域的兴趣。我们提出了一种新的方法，路点聚类的基础上的对比损失，能够项目的点到一个可分离的潜在空间。提出的深度神经网络可以同时预测航路点位置和集群分配与两个专门的头在一个单一的向前通过。在模拟和真实图像上的大量实验表明，所提出的方法有效地解决了直线和弯曲行作物的航路点生成问题，克服了以前最先进的方法的局限性。
2022-06-23 cs.AI cs.CV cs.LG
Optimization-based Safe Trajectory Planning for Autonomous Ground Vehicle in Multi-Floor Scenarios
Beijing Institute of Technology（北京理工大学）；Tsinghua University（清华大学）
提出一种针对多楼层场景的轨迹规划框架，包括基于广义Voronoi图和多目标算法的任务规划模块，以及采用优化方法和热启动分层规划生成高质量轨迹的轨迹规划模块，并通过仿真验证可行性。
2026-06-24 cs.RO
Adaptive Spatio-Temporal Voxels Based Trajectory Planning for Autonomous Driving in Highway Traffic Flow
University of California, Berkeley（加州大学伯克利分校）
针对高速公路动态车流中静态时空体素可行域难以适应环境变化的问题，提出自适应时空体素轨迹规划方法，在保持二次规划形式的同时实时调整可行域，并在开环与闭环测试中优于现有方法。
2023-10-04 cs.RO
Trajectory-Level Mode Guidance for Controllable Diffusion-Based Multi-Robot Motion Planning
Zhejiang University（浙江大学）
针对多机器人运动规划中融入部分轨迹先验且保持多模态生成的问题，提出在干净轨迹空间进行逐步引导的扩散模型方法，通过时间步依赖的引导强度融合规划代价与先验，实验验证了可控性与安全性。
2026-09-30 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
Deep Learned Path Planning via Randomized Reward-Linked-Goals and Potential Space Applications
Tohoku University（东北大学）
太空探索任务已经看到使用越来越复杂的机器人系统，具有越来越多的自主权。深度学习有望将这一点更进一步，并应用于高级任务，如路径规划，以及低级任务，如运动控制，这是任务效率和成功的关键组成部分。在训练过程中使用具有随机奖励函数参数的深度强化端到端学习，我们教一个模拟的8自由度四足蚂蚁机器人在周界内的任何地方旅行，在单个神经网络上进行路径规划和运动控制，而无需任何系统模型或地形或环境的先验知识。我们的方法还允许用户指定的航路点，这可以很好地转换为全自主或半自主/遥控空间应用程序，遇到延迟时间。我们使用随机生成的与奖励函数相关联的路点来训练智能体，并将路点坐标作为输入传递给神经网络。这种应用在各种太空探索机器人上显示出了希望，包括用于快速运动的高速漫游车和用于崎岖地形的腿式洞穴机器人。
2019-09-13 cs.AI cs.LG cs.RO
A Framework for Collision-Tolerant Optimal Trajectory Planning of Autonomous Vehicles
碰撞容限轨迹规划是考虑碰撞，如果规划得当，可以为能够处理碰撞的机器人提供更有效的路径规划。一个混合整数规划（MIP）的优化配方演示了计算的实用性，包括计划的碰撞优化轨迹。提出了一种毁伤量化函数，并通过仿真研究了毁伤函数约束对弹道的影响。使用一个简单的例子，在此模式下实现的性能增加相比，无碰撞的最佳轨迹。
2016-11-23 cs.RO
Risk-Sensitive Motion Planning using Entropic Value-at-Risk
California Institute of Technology（加州理工学院）
我们考虑存在随机移动障碍物的风险敏感的运动规划问题。为此，我们采用了模型预测控制（MPC）计划和提出的避障约束MPC问题的分布鲁棒约束的KL发散模糊集。该约束是熵风险值（EVaR）的对偶表示。基于这一观点，我们提出了一个算法跟踪航路点，并讨论了其可行性和有限时间内完成。我们比较使用EVaR获得的政策与使用另一种常见的一致性风险度量，条件风险价值（CVaR），通过数值实验的2D系统。我们还实现了航路点跟踪算法的三维四轴飞行器仿真。
2021-04-10 cs.RO cs.SY eess.SY
A Sequential MPC Approach to Reactive Planning for Bipedal Robots
University of Delaware（特拉华大学）
针对动态环境下双足机器人的反应式运动规划问题，提出了一种序贯模型预测控制（MPC）方法。该方法依赖于一个连续的多面体分解的自由空间，它提供了一个有序的收集相互交叉的无障碍多面体和航路点。这些随后用于定义MPC程序的相应序列，该MPC程序将系统驱动到目标位置，避免静态和移动障碍物。通过这种方式，规划器专注于机器人附近的自由空间，从而减轻了同时考虑所有障碍物的需要，并减少了计算时间。我们验证了我们的方法在高保真度模拟与双足机器人Digit的功效，展示了强大的反应规划中存在的静态和移动障碍物。
2022-04-30 cs.RO
End-to-end deep learning-based framework for path planning and collision checking: bin picking application
University of Victoria（维多利亚大学）；Apera AI（阿佩拉人工智能公司）
提出端到端 PPCNet，通过双网络顺序生成并验证无碰撞路径点，结合模仿学习与几何碰撞函数逼近，在料箱拣选实验中显著降低规划时间。
2023-03-31 cs.RO cs.SY eess.SY
Trajectory Planning without Trajectory Data: A Manifold-Guided Approach
Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）；DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室）；Harvard University（哈佛大学）
提出流形引导的轨迹规划方法，仅用状态观测学习状态空间流形并利用其几何构造轨迹，实现对未见约束的泛化，在基准上表现优异且无需轨迹数据。
2026-10-08 cs.RO
Goal-Driven Autonomous Exploration Through Deep Reinforcement Learning
Industry-University Cooperation Foundation, Hanyang University（汉阳大学产学合作基金会）；Cogaplex company（Cogaplex公司）；Hanyang University（汉阳大学）
在本文中，我们提出了一种自主导航系统，用于通过深度强化学习（DRL）进行目标驱动的未知环境探索。从环境中获得可能的导航方向的兴趣点（POI），并基于可用数据选择最佳航路点。根据路径点，机器人被引导向全局目标，并缓解了反应式导航的局部最优问题。然后，通过仿真中的DRL框架学习局部导航的运动策略。我们开发了一个导航系统，这个学到的政策被集成到一个运动规划堆栈作为本地导航层之间的路径点移动机器人朝着一个全球目标。完全自主导航是在没有任何先验知识的情况下执行的，同时当机器人在环境中移动时记录地图。实验表明，该方法具有优于类似的探索方法，不依赖于地图或先验信息，在复杂的静态以及动态环境。
2021-09-09 cs.RO
Real-Time Kinodynamic Motion Planning for Omnidirectional Mobile Robot Soccer using Rapidly-Exploring Random Tree in Dynamic Environment with Moving Obstacles
Universitas Gadjah Mada（加札马达大学）
RoboCup中型组联赛（RoboCup MSL）通过机器人足球比赛为研究移动机器人导航、多机器人协作、通信和集成提供了一个标准化的实验平台，在这种高度动态和对抗性的环境中，机器人足球比赛是一种非常重要的比赛。运动动力学运动规划是机器人运动学领域的一个重要研究课题，它是指机器人在避障的同时，遵循其动力学规律进行运动轨迹规划。提出了一种基于Kinodynamic-RRT* 方法的全向机器人运动动力学运动规划。在这项工作中还考虑了轨迹跟踪控制执行规划轨迹。对机器人平移和旋转方向的运动规划进行解耦。然后，我们实现了kinodynamic-RRT* 与双积分器模型规划的平移轨迹。利用满足速度和加速度约束的最小时间轨迹发生器生成旋转轨迹。然后使用PI控制跟踪计划轨迹。为适应环境的变化，开发了运动规划和轨迹跟踪的并发软件模块。使用基于机器人操作系统（ROS）的RoboCup仿真系统对所产生的系统进行了应用和测试。仿真结果表明，运动规划系统能够生成无碰撞轨迹，轨迹跟踪系统能够跟踪生成的轨迹。在高度动态的环境中，在线方案能够重新规划轨迹。
2019-05-12 cs.RO
Predictive Risk Analysis and Safe Trajectory Planning for Intelligent and Connected Vehicles
本文提出一种智能网联汽车的预测风险分析与安全轨迹规划框架，通过局部风险感知算法预测未来轨迹并进行时空离散化风险分析以生成安全轨迹，仿真与实验验证了其有效性与实时性。
2025-06-30 cs.RO
Local Trajectory Planning For UAV Autonomous Landing
Technion - Israel Institute of Technology（以色列理工学院）
自主式无人机的一个重要能力是在自主着陆过程中避免与障碍物碰撞。这种能力需要实时的本地轨迹规划。虽然在紧急着陆等情况下已经引入了自动规划方法，但在现实生活中，只有障碍物的表面可以被感知和检测，因此还没有对这些方法进行评估。我们提出了一种新的优化框架，使用预先规划的全局路径和优先级地图的着陆区。在一个模拟器中实现并评估了几种轨迹规划算法，该模拟器包括3D城市环境、基于LiDAR的障碍物表面传感以及无人机制导和动力学。我们表明，使用我们提出的优化标准可以成功地提高着陆任务的成功概率，同时避免碰撞的障碍物在实时。
2021-11-18 cs.RO
Planning Optimal Trajectories for Mobile Manipulators under End-effector Trajectory Continuity Constraint
Singapore Centre for 3D Printing (SC3DP)（新加坡3D打印中心）；Nanyang Technological University (NTU)（南洋理工大学）；Eureka Robotics（尤里卡机器人公司）
针对移动操作臂运动规划中因基座冗余带来的挑战，提出将末端执行器轨迹连续性约束下的规划问题解耦为最优基座轨迹规划与操作臂轨迹求解的方法，并通过硬件实验和仿真验证了其在移动打印任务中的有效性。
2024-03-06 cs.RO
Decentralized Spatial-Temporal Trajectory Planning for Multicopter Swarms
Zhejiang University（浙江大学）；Huzhou Institute, Zhejiang University（浙江大学湖州研究院）
多旋翼机群具有分散式结构，具有灵活性和鲁棒性，而高效的时空轨迹规划仍然是一个挑战。该报告介绍了分散的时空轨迹规划，它把一个良好的轨迹表示命名为MINCO到多智能体的情况。我们的方法确保高质量的本地规划，每个代理受到任何约束，无论是协调的群体或安全要求在混乱的环境。然后，局部轨迹生成被配制成一个无约束的优化问题，有效地解决了毫秒。此外，一个分散的异步机制的设计，以触发每个代理的本地规划。一个系统的解决方案，详细说明了仔细的工程考虑。大量的基准测试和室内/室外实验验证了其广泛的适用性和高质量。我们的软件将被发布以供社区参考。
2021-06-25 cs.RO
BucketKD: A Safety-Aware Bucket-Based Knowledge Distillation Framework for End-to-End Motion Planning
University of Memphis（孟菲斯大学）
针对端到端运动规划模型规模大难在资源受限平台部署的问题，提出BucketKD框架。该框架将关键环境变量离散化，并设计安全感知航路点注意力机制。实验表明，其在规划精度、安全性及压缩率方面表现出色，显著优于现有方法。
2026-07-14 cs.LG cs.RO
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
