KRRF：用于多目标运动规划的动力学快速探索随机森林算法

动力学多目标运动规划问题是指在序列未知的前提下，寻找一条穿越多个目标位置的轨迹。目标是最小化在拥挤环境中机器人遵循动力学运动模型所规划轨迹的代价。该问题尚未被有效解决，因为它融合了两个难以有效求解的NP难问题：旅行 salesman 问题（TSP）和动力学运动规划问题。我们提出了一种新近似方法，称为动力学快速探索随机森林（Kinodynamic Rapidly-exploring Random Forest，KRRF），用于寻找满足机器人动力学约束的碰撞自由的多目标轨迹。KRRF 同时从所有目标向其他所有目标生长动力学树，并使用其他树作为启发式来提升生长效率。当目标间轨迹规划完成后，其代价被用于求解TSP，以确定目标的访问序列。最终的满足动力学约束的多目标轨迹通过沿着TSP序列引导RRT-based规划器来规划。与现有方法相比，KRRF提供的目标间轨迹更短，最终多目标轨迹的代价降低了1.1-2倍，同时在大多数测试案例中计算更快。该方法将以开源库的形式发布。