基于冲突搜索的带运动动力学约束多机器人运动规划

多机器人运动规划（MRMP）是在运动动力学约束下为环境中多个机器人寻找无碰撞轨迹的基本问题。由于其复杂性，现有算法要么采用简化假设，要么是不完备的。本文提出运动动力学冲突搜索（K-CBS），一种通用、可扩展且概率完备的分散式（解耦）MRMP算法。该算法受到MRMP在有限图上的离散类比（即多智能体路径寻找（MAPF））成功解的启发。具体而言，我们将流行的分散式MAPF算法——冲突搜索（CBS）——的思想适配到MRMP场景中。此适配的新颖之处在于我们直接在连续域中工作，无需离散化。特别地，运动动力学约束被原生处理。K-CBS使用底层规划器为每个机器人单独规划，并通过定义单个机器人的约束来生长冲突树以解决机器人间碰撞。底层规划器可以是任何基于采样的、用于运动动力学机器人的树搜索算法，从而将现有的单机器人规划器提升到多机器人场景。我们证明K-CBS继承了底层规划器的（概率）完备性。我们在多个案例研究和基准测试中展示了K-CBS的通用性与性能。