DK-RRT：面向动态碎片环境中空间机械臂碰撞感知运动规划的深度Koopman RRT
机器人学
2025-07-08 v1
摘要
在动态轨道碎片环境中运行的机械臂的轨迹规划由于复杂的障碍物运动和不确性而面临重大挑战。本文提出了深度Koopman RRT（DK-RRT），这是一个先进的碰撞感知运动规划框架，它将深度学习与Koopman算子理论和快速探索随机树（RRT）相结合。DK-RRT利用深度神经网络来识别碎片动力学的高效非线性嵌入，增强基于Koopman的预测，并实现实时、准确的前瞻性规划。通过在线传感器反馈不断细化预测模型，DK-RRT有效地引导机械臂穿越不断变化的障碍物场。仿真研究表明，与传统的RRT和基于Koopman的规划相比，DK-RRT在适应性、鲁棒性和计算效率方面表现出优越的性能，突显了其在自主空间操作任务中的潜力。
引用
@article{arxiv.2507.03878,
title = {DK-RRT: Deep Koopman RRT for Collision-Aware Motion Planning of Space Manipulators in Dynamic Debris Environments},
author = {Qi Chen and Rui Liu and Kangtong Mo and Boli Zhang and Dezhi Yu},
journal= {arXiv preprint arXiv:2507.03878},
year = {2025}
}