一种基于凸内近似的NMPC方法用于保证避碰的在线运动规划
机器人学
2020-03-03 v3 系统与控制
系统与控制
最优化与控制
摘要
尽管移动机器人已存在数十年，轨迹优化与连续时间避碰仍是活跃的研究课题。现有方法在路径质量、计算复杂度和运动动力学可行性之间进行权衡。本工作采用非线性模型预测控制（NMPC）框架处理该问题，该框架基于一种新颖的避碰约束凸内近似。所提出的凸内近似（CIAO）方法能在很少的迭代次数（通常一次）内找到运动动力学可行且连续时间无碰撞的轨迹。对于可行的初始化，该方法保证能找到可行解，即保持可行性。我们的实验评估表明，CIAO在规划效率和路径质量方面优于最先进的基线方法。在具有12个状态的机器人上的实验表明，它也能扩展到高维系统。此外，真实世界实验证明了其在动态环境中统一轨迹优化与跟踪以实现安全运动规划的能力。
引用
@article{arxiv.1909.08267,
title = {An NMPC Approach using Convex Inner Approximations for Online Motion Planning with Guaranteed Collision Avoidance},
author = {Tobias Schoels and Luigi Palmieri and Kai O. Arras and Moritz Diehl},
journal= {arXiv preprint arXiv:1909.08267},
year = {2020}
}
备注
Accepted by ICRA2020. This version is extended for readability and completeness. Additional content would have exceeded page limit