AVOCADO：基于意见驱动的自适应最优碰撞规避
机器人学
2025-04-02 v4
摘要
我们提出了AVOCADO（AdaptiVe Optimal Collision Avoidance Driven by Opinion），一种新颖的导航方法，用于解决在机器人不知道环境中其他代理人合作程度如何时的情况下的全向机器人碰撞规避问题。AVOCADO采取不同于最优互惠碰撞规避方法的速度障碍（VO）公式。然而，它不假设互惠性，而是提出一个自适应控制问题，以实时适应其他机器人和代理人的合作水平。这通过一种新颖的非线性意见动力学设计实现，仅依赖于传感器观测。作为副产品，我们利用意见动力学工具，自然地避免了在几何对称场景中通常受到VO基于规划器所导致的死锁。大量数值仿真显示，AVOCADO在混合合作/非合作导航环境中在成功率、目标时间和计算时间方面均优于现有运动规划器。此外，我们进行了多次实际实验，验证了AVOCADO能够在充满其他机器人和人类的环境中避免碰撞。
引用
@article{arxiv.2407.00507,
title = {AVOCADO: Adaptive Optimal Collision Avoidance driven by Opinion},
author = {Diego Martinez-Baselga and Eduardo Sebastián and Eduardo Montijano and Luis Riazuelo and Carlos Sagüés and Luis Montano},
journal= {arXiv preprint arXiv:2407.00507},
year = {2025}
}
备注
This paper is published at IEEE Transactions on Robotics under DOI 10.1109/TRO.2025.3552350