GeoPF：将几何融入势场以用于非平凡环境中的反应式规划
机器人学
2025-07-21 v2
摘要
反应式智能仍是在杂乱、动态且以人为中心的环境中作业的多功能机器人的基石之一。在反应式方法中，势场（PF）因其简单性和实时适用性而被广泛采用。然而，现有的 PF 方法通常依赖各向同性的、基于点或球的障碍物近似，从而过度简化了环境表示。在以人为中心的场景中，这种简化会导致路径过于保守、参数调校繁琐以及计算开销过大——甚至破坏实时性要求。作为回应，我们提出了几何势场（GeoPF），这是一种反应式运动规划框架，通过显式融入几何基元（点、线、面、立方体和圆柱体）及其结构与空间关系，来调制实时斥力响应。大量定量分析一致表明，与传统 PF 方法相比，GeoPF 具有更高的成功率、更低的调参复杂度（实验中仅需单一参数集）以及大幅降低的计算成本（最高达两个数量级）。真实世界实验进一步验证了 GeoPF 的可靠性、鲁棒性和实际部署的便捷性，以及其向全身避障的可扩展性。GeoPF 为反应式规划问题提供了新视角，推动了几何感知的时序运动生成，实现了适合现代机器人应用的灵活且低延迟的运动规划。
引用
@article{arxiv.2505.19688,
title = {GeoPF: Infusing Geometry into Potential Fields for Reactive Planning in Non-trivial Environments},
author = {Yuhe Gong and Riddhiman Laha and Luis Figueredo},
journal= {arXiv preprint arXiv:2505.19688},
year = {2025}
}