具有安全保证的自主航点生成：未知环境中的在线运动规划

未知环境中的在线运动规划是一个极具挑战性的问题，因为它需要 (i) 确保避障和 (ii) 最小化运动时间，同时持续预测下一步的行进方向。以往的在线运动规划方法通常假设环境的大致地图已知，从而简化了问题。本文提出了一种用于移动机器人在未知和非结构化环境中导航的反应式在线运动规划器，即鲁棒自主航点生成（Robust Autonomous Waypoint generation, RAW）。RAW 利用半定规划在机器人周围生成一个局部最大椭球体，使得周围障碍物位于该椭球体之外。随后，强化学习智能体在机器人的视场内、椭球体内部生成一个局部航点。机器人导航至该航点，此过程迭代进行直至到达目标。通过跟随这些航点，机器人穿越一系列重叠的椭球体并避免碰撞。机器人的安全性在理论上得到了保证，并通过四种不同实验设置下的严格数值实验验证了相关主张。通过将 RAW 轨迹与全局最优轨迹进行比较，实证展示了其近优性。