面向机械臂操作的常时间运动规划与任意时刻细化

机械臂对于未来的自主系统至关重要，然而对其自主性的有限信任使其局限于僵化的、特定任务的系统。机械臂复杂的构型空间，加上避障与约束满足的挑战，常使运动规划成为实现可靠且可适应自主性的瓶颈。近来，一类常时间运动规划器（CTMP）被提出。这些规划器采用预处理阶段来计算数据结构，使得在线规划能够可证明地在用户定义的时间界限内生成运动规划（可能次优）。该框架已在若干时间关键任务中被证明有效。然而，机器人系统通常被分配了比CTMP在线部分所需更多的规划时间，这些时间可用于改进解。为此，我们提出一种与CTMP算法协同工作的任意时刻细化方法。我们提出的框架作为常时间算法运行，在用户定义的时间阈值内快速生成初始解。此外，作为任意时刻算法，它在分配的时间预算内迭代地细化解的质量。这使得我们的方法能够在保证快速规划生成与随时间优化追求之间取得平衡。我们通过阐明其解析性质来支持我们的方法，展示了任意时刻分量向最优解的收敛性。此外，我们通过在6自由度机械臂上的仿真与真实世界装配领域演示提供了经验验证。