用于类车机器人运动规划平滑轨迹的凸优化方法
机器人学
2015-10-28 v2
摘要
近年来，人们提出了几种基于采样的算法来计算无碰撞且动态可行的轨迹。然而，此类算法的输出以粗糙不平著称。在本文中，通过关注具有类车动力学的机器人，我们提出了一种快速简单的启发式算法，称为凸弹性平滑（Convex Elastic Smoothing, CES）算法，用于轨迹平滑与速度优化。CES算法受早期弹性带规划工作的启发，迭代地执行形状与速度优化。该算法的关键特征是这两个优化问题均可通过凸规划求解，使得CES尤其快速。一系列数值实验表明，CES算法在几百毫秒内返回高质量解，因此似乎适于实时实现。
引用
@article{arxiv.1506.01085,
title = {A Convex Optimization Approach to Smooth Trajectories for Motion Planning with Car-Like Robots},
author = {Zhijie Zhu and Edward Schmerling and Marco Pavone},
journal= {arXiv preprint arXiv:1506.01085},
year = {2015}
}