基于梯度场的动态窗口碰撞避免方法

为实现多机器人系统中的安全与灵活导航，本文提出了一种在复杂环境中增强且具预测性的采样基于轨迹规划方法，即基于梯度场的动态窗口方法（GF-DWA）。在动态窗口方法基础上，该方法利用障碍物距离的梯度信息作为新的代价项，以预测潜在的碰撞。这种增强使机器人能够更好地意识到障碍物，包括非凸形状的障碍物。梯度场来源于高斯过程距离场，通过高斯过程回归来建模环境的空间结构，从而生成距离场和梯度场。通过多个障碍物规避和编队碰撞避免场景，结果表明GF-DWA在安全性和灵活性方面优于其他流行的轨迹规划和控制方法，尤其是在包含非凸障碍物的复杂环境中表现更佳。