用于机器人足球运动规划的先验复用贝叶斯优化

我们利用贝叶斯优化，将学习型方法与运动规划集成用于足球差分驱动机器人。首先，使用端斜率三次贝塞尔样条（end-slope cubic Bezier splines）生成的轨迹，针对一组含障碍物的候选点通过贝叶斯优化进行全局优化。优化后的轨迹连同机器人与障碍物的位置、速度存储于数据库中。采用k-最近邻（k-Nearest Neighbour）方法从数据库中识别最相近的规划情境。通过复用先前优化轨迹的先验信息，对其进行在线进一步优化。我们的方法大幅减少了轨迹优化的计算时间。速度规划生成符合机器人运动动力学约束的速度，并避免碰撞与打滑。在开发的仿真器以及实体差分驱动机器人上进行了广泛测试。我们的方法在实时执行任务约束下，相比竞争技术在减轻跟踪误差、减少遍历与计算时间方面表现出显著改进。