CIAO$^\star$：基于 MPC 的可预测动态环境中安全运动规划
机器人学
2020-05-26 v2 系统与控制
系统与控制
最优化与控制
摘要
数十年来，机器人一直在动态环境与共享工作空间中运行。然而，大多数基于优化的运动规划方法并未考虑其他智能体（如人或其它机器人）的运动，因此在此类场景下无法保证避碰。本文基于凸内近似（Convex Inner ApprOximation, CIAO）方法，提出一种在可预测动态环境中保证避碰的运动规划算法。此外，它将 CIAO 的自由区域概念推广到任意范数，并提出了一种代价函数以近似时间最优运动规划。所提出的方法 CIAO 利用模型预测控制（model predictive control, MPC）为受约束的单刚体机器人寻找运动学动态可行且无碰撞的轨迹。它优化一个智能体的运动，并考虑周围智能体与障碍物的预测运动。实验评估表明，CIAO 达到了接近时间最优的行为。
引用
@article{arxiv.2001.05449,
title = {CIAO$^\star$: MPC-based Safe Motion Planning in Predictable Dynamic Environments},
author = {Tobias Schoels and Per Rutquist and Luigi Palmieri and Andrea Zanelli and Kai O. Arras and Moritz Diehl},
journal= {arXiv preprint arXiv:2001.05449},
year = {2020}
}
备注
accepted to 21st IFAC World Congress