发表机构
Panza Robotics; National Center of Robotics; Slovak University of Technology in Bratislava（Panza Robotics; 国家机器人中心; 斯洛伐克技术大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本研究提出一种带有多模型运动学切换的全局路径规划器，通过可通行性图、航向感知A*算法和自适应运动学建模，在多样地形中优化路径效率与能量使用，并在四足机器人和无人机仿真中验证了其性能与鲁棒性。
AI 中文摘要
本研究通过采用带有多模型运动学切换的纯追踪控制器，增强了全局路径规划能力，从而在多样地形中保持规划保真度。该系统包括用于地形分析的可通行性图、用于生成可行路径的航向感知A*算法，以及用于动态跟踪的多模型纯追踪控制器。核心创新在于自适应运动学建模，能够根据地形特征和机器人状态实时切换运动学模型。这种适应性在挑战性场景中优化了路径效率和能量使用。我们在不同平台上通过仿真验证了该方法，即Artaban四足机器人和X3四旋翼无人机，展示了相比标准基线的改进性能、鲁棒性和适应性。
英文摘要
This work enhances global path planning via a pure-pursuit controller with multi-model kinematic switching that sustains plan fidelity across diverse terrains. The system includes a traversability graph for terrain analysis, a Heading-Aware A* algorithm for generating feasible paths, and a multi-model Pure Pursuit controller for dynamic tracking. A core innovation is adaptive kinematic modeling, enabling real-time switching between kinematic models based on terrain features and robot states. This adaptability optimizes path efficiency and energy use in challenging scenarios. We validate the approach in simulation on different platforms, namely the Artaban quadruped and the X3 quadrotor drone, showcasing improved performance, robustness, and adaptability over standard baselines.
