面向 SE(3) 上的无人机实时轨迹规划的学习驱动、 Bellman 引导的 GMP$^{3}$
机器人学
2025-09-26 v1
摘要
我们提出了 ，一个多相位全局路径规划框架，用于生成无人机在拥挤环境中三维可动态可行的轨迹。该框架将传统路径规划从欧几里得位置空间扩展到李群 ，允许联合学习平移运动和旋转动力学。引入了修改的 Bellman 基于算子，以支持强化学习(RL)策略更新，同时利用先验轨迹信息以获得更好的收敛。 被设计为分布式框架，其中代理彼此影响并共享轨迹沿线的策略信息：每个代理细化其分配的轨迹段并通过基于共识的方案与邻居共享，从而实现合作策略更新并在受约束条件下收敛到全局形状的路径。我们还提出了 DroneManager，一个模块化地面控制软件，可通过 MAVLink 协议将规划器与实际无人机平台接口，支持实时部署和反馈。仿真研究和室内飞行实验验证了该方法在受约束三维环境中的有效性，展示了可靠的障碍规避和在位置和姿态方面的平滑、可行轨迹。该开源实现已发布于 https://github.com/Domattee/DroneManager
引用
@article{arxiv.2509.21264,
title = {\LARGE GMP$^{3}$: Learning-Driven, Bellman-Guided Trajectory Planning for UAVs in Real-Time on SE(3)},
author = {Babak Salamat and Dominik Mattern and Sebastian-Sven Olzem and Gerhard Elsbacher and Christian Seidel and Andrea M. Tonello},
journal= {arXiv preprint arXiv:2509.21264},
year = {2025}
}