高维机器人的机会约束运动规划
机器人学
2018-11-08 v1
摘要
本文介绍了概率Chekov（p-Chekov），一种机会约束运动规划系统，可应用于存在运动不确定性和不完美状态信息的高自由度（DOF）机器人。给定过程与观测噪声模型，它能找到满足用户指定碰撞概率上界的可行轨迹。借助我们先前在确定性运动规划中将轨迹优化集成到稀疏路线图框架中的工作，p-Chekov在高维任务的规划速度上展现出优越性。P-Chekov将线性二次高斯运动规划方法纳入机器人状态概率分布的估计中，应用求积理论进行路径点碰撞风险估计，并采用风险分配方法在路径点间分配允许的失败概率。与其他现有的风险感知规划器不同，p-Chekov无需对环境进行凸化即可应用于高自由度机器人规划任务。本文实验结果表明，该p-Chekov系统能有效降低碰撞风险，并在高自由度机器人的典型现实规划场景中满足用户指定的机会约束。
引用
@article{arxiv.1811.03073,
title = {Chance Constrained Motion Planning for High-Dimensional Robots},
author = {Siyu Dai and Shawn Schaffert and Ashkan Jasour and Andreas Hofmann and Brian Williams},
journal= {arXiv preprint arXiv:1811.03073},
year = {2018}
}