基于随机优化与关节机器人复合符号距离场网络的避碰运动生成
机器人学
2023-06-08 v1
摘要
安全的机器人运动生成对于从制造到家庭的实际应用至关重要。本文提出一种基于随机优化的运动生成方法，为由复合符号距离场（SDF）网络表示的关节机器人生成无碰撞且时间最优的运动。首先，我们提出复合SDF网络以学习关节机器人的SDF。所学习的复合SDF网络结合机器人运动学，能够以批量方式快速准确地估计机器人与障碍物之间的最小距离。随后，基于随机优化的轨迹规划算法利用学习到的复合SDF网络离线生成空间优化且无碰撞的轨迹。该随机轨迹规划器被表述为具有时间归一化高斯过程先验与指数似然函数的贝叶斯推断问题。高斯过程先验可强制构型空间中的初始与目标位置约束，并可编码时间序列中路径点间的相关性。似然函数旨在编码任务相关代价项，如避碰、轨迹长度惩罚、边界回避等。提出结合模型预测路径积分（MPPI）的核更新策略以求解最大后验推断问题。最后，我们将学习到的复合SDF网络集成至轨迹规划算法，并应用于Franka Emika Panda机器人。仿真与实验结果验证了所提方法的有效性。
引用
@article{arxiv.2306.04130,
title = {Collision-free Motion Generation Based on Stochastic Optimization and Composite Signed Distance Field Networks of Articulated Robot},
author = {Baolin Liu and Gedong Jiang and Fei Zhao and Xuesong Mei},
journal= {arXiv preprint arXiv:2306.04130},
year = {2023}
}
备注
8 pages, 9 figures, under review of IEEE Robotics and Automation Letters