面向多模态四足钢筋网格穿越的层次化经验信息导航

本研究聚焦于一种分层的、基于经验的、多模态接触规划框架,用于四足机器人在受限钢筋环境中的敏捷运动。为此,我们的层次化规划器将运动专用模块嵌入高层接触序列规划器,并将运动动力学感知的轨迹优化作为底层运动规划器求解。通过对经验积累过程的定量分析和所生成运动轨迹的运动动力学可行性的实验验证,我们证明了经验规划启发式为腿式接触规划器提供候选落脚点的有效途径。此外,我们在全局规划层面引入引导躯干路径启发式,以提升在存在环境障碍时的导航成功率。我们的结果表明,与常规经验积累相比,躯干路径引导的经验积累所需的离线试验次数显著更少即可成功到达目标。最后,我们的规划框架在动力学仿真和 Skymul Inc. 提供的四足机器人实物平台上均得到验证。