基于曲率约束的向量场用于非全约束机器人运动规划

向量场在处理非全约束运动规划方面具有优势，因为它们为机器人提供参考方向。然而，在考虑曲率约束方面变得颇具挑战性，这涉及到曲率受限向量场设计与欠受控系统下跟踪控制器之间的相互关联。本文提出了一种新框架，用于协同开发向量场和控制律，引导非全约束机器人沿受曲率约束的轨迹到达目标配置。首先，我们通过引入目标正限制集来构建该问题，该限制集允许机器人根据不同的动力学和任务而收敛或通过目标配置。接着，我们通过在工作空间中对基本流场进行混合和分配来构造曲率受限向量场 (CVF)，并提出具有动态增益的饱和控制律，在饱和发生时，跟踪误差的幅度仍可减小。在该控制律下，受运动约束的非全约束机器人能够跟踪参考CVF并收敛于目标正限制集，且轨迹曲率受到界限。数值仿真表明，所提出的CVF方法优于其他基于向量场的算法。针对阿克曼无人驾驶车辆和半物理固定翼无人机进行实验，表明该方法可在实际场景中有效实现。