$\kappa$-PMP：利用基于知识的推理增强基于物理的运动规划器

基于物理的运动规划是一项具有挑战性的任务，因为它要求在允许与环境中（部分）障碍物发生可能交互的情况下计算机器人运动。通常为此目的使用配备有作为状态传播器的动力学引擎的运动学动力学（kinodynamic）运动规划器。困难在于为交互设置适当的力，以及这些交互可能会改变可操作障碍物的位姿，从而促进或阻碍寻找解路径。知识的使用可以缓解上述困难。本文提出使用一种增强的状态传播器，该传播器由动力学引擎和一个低级几何推理过程组成，用于确定如何与物体交互，即从何处以及以何种力进行交互。该提案被称为 \k{appa}-PMP，可与任何运动学动力学规划器一起使用，从而产生例如 \k{appa}-RRT。该方法还包括一个预处理步骤，该步骤从以本体描述的语义抽象知识中推断出推理过程所需的操作知识。所提出的方法已通过涉及全向移动机器人、具有微分约束的机器人和串联机械臂的几个示例进行了验证，并使用几种最先进的运动学动力学规划器进行了基准测试。结果表明，与简单的基于物理的规划相比，在功耗方面存在显著差异，并且在成功率和解路径质量上有所改善。