BoundPlanner：一种基于凸集的有界机械臂轨迹规划方法
机器人学
2026-02-17 v2
摘要
在线轨迹规划使机器人机械臂能够快速响应不断变化的环境或任务。现有的许多机器人轨迹规划器适用于已知环境，但通常对于在线计算而言太慢。当前的在线轨迹规划方法在具有挑战性的场景中无法找到既尊重机器人限制又考虑碰撞的合适轨迹。本工作提出了一个轨迹规划框架，包含基于凸集的新型笛卡尔路径规划器 BoundPlanner 和在线轨迹规划器 BoundMPC。BoundPlanner 使用凸集探索并映射无碰撞空间，以计算具有边界的参考路径。本工作扩展了 BoundMPC 以处理用于路径偏差的凸集，这使得机器人能够在考虑其运动学的同时在边界内最优地跟随路径。机器人运动学链的碰撞通过一种独立于障碍物数量的新型基于凸集的避碰公式来考虑。使用 7 自由度机械臂的仿真和实验展示了所提规划器与最先进方法相比的性能。源代码可在 github.com/TU-Wien-ACIN-CDS/BoundPlanner 获取，实验视频可在 www.acin.tuwien.ac.at/42d4 找到。
引用
@article{arxiv.2502.13286,
title = {BoundPlanner: A convex-set-based approach to bounded manipulator trajectory planning},
author = {Thies Oelerich and Christian Hartl-Nesic and Florian Beck and Andreas Kugi},
journal= {arXiv preprint arXiv:2502.13286},
year = {2026}
}
备注
Published at RA-L