基于概率推断的多机器人编队连续时间高斯过程轨迹生成

在本文中，我们将著名的运动规划方法GPMP2扩展到多机器人情形，得到一种新颖的集中式多机器人编队轨迹生成方法。采用稀疏高斯过程模型将所有机器人的连续时间轨迹表示为有限数量的状态，得益于稀疏性从而提高了计算效率。我们添加约束以保证个体间避碰以及编队保持，随后将所有约束与运动学在因子图上公式化。通过引入全局规划器，我们所提方法能为须通过自适应编队变换穿越变宽度区域的机器人团队高效生成轨迹。最后，我们给出了增量重规划算法的实现，以展示所提框架的在线运行潜力。仿真与真实世界实验说明了我们方法的可行性与高效性和可扩展性。