缩小移动机器人后退地平线轨迹设计中安全性与实时性能之间的差距

为了在不可预测的环境中以有限的传感器视野运行，自主机器人采用后退地平线策略来规划轨迹，即它们在制定下一个计划的同时执行一个短期计划。然而，实时创建安全、动态可行的轨迹具有挑战性；并且，规划器必须确保持续可行性，意味着在先前轨迹执行完毕之前总有一个新轨迹可用。现有方法在模型复杂度和规划速度之间进行权衡，这可能要求牺牲安全性和动态可行性的保证。本工作提出用于轨迹规划的基于可达性的轨迹设计（RTD）方法。RTD 从机器人跟踪参数化轨迹时的离线前向可达集（FRS）计算开始；FRS 可证明地界定跟踪误差。在运行时，FRS 用于将障碍物映射到参数化轨迹，使 RTD 能在每次规划迭代中选择一条安全轨迹。RTD 规定了一种障碍物表示，以确保障碍物约束能在实时创建和评估的同时保持安全性。通过规定最小传感器视野和规划轨迹的最小时长来实现持续可行性。采用系统分解方法以提高计算 FRS 的可处理性，使 RTD 能在运行时创建更复杂的计划。RTD 在仿真中与快速扩展随机树（RRT）和非线性模型预测控制（NMPC）进行了比较。RTD 还在两个硬件平台上于随机构建的环境中进行了演示：差速驱动 Segway 和类车 Rover。所提方法在数千次仿真和数十次真实世界硬件演示中均安全且持续可行。