学习快速、工具感知的协作机器人碰撞规避
机器人学
2025-08-29 v1 系统与控制
系统与控制
摘要
在动态环境中确保协作机器人安全且高效运行具有挑战性，尤其当障碍物运动和任务随时间变化时。当前机器人控制器通常假设完全可见且工具固定，这可能导致碰撞或过于保守的行为。本文引入一种工具感知的碰撞规避系统，能实时适应不同工具尺寸及工具-环境相互作用模式。通过学习的感知模型，该系统从点云中滤除机器人和工具组件，推理遮挡区域，并在部分可见性条件下预测碰撞。随后采用约束强化学习训练的控制策略，在 10 毫秒内产生平滑的规避动作。在仿真和实际测试中，我们的方法在动态环境下优于传统方法（APF、MPPI），同时保持亚毫米精度。此外，系统计算开销约为最新 GPU-based 规划器的 60%。我们的 approach 提供了面向动态环境的模块化、高效且有效的碰撞规避方案。我们将其集成到协作机器人应用中，展示其在安全和响应操作中的实际用途。
引用
@article{arxiv.2508.20457,
title = {Learning Fast, Tool aware Collision Avoidance for Collaborative Robots},
author = {Joonho Lee and Yunho Kim and Seokjoon Kim and Quan Nguyen and Youngjin Heo},
journal= {arXiv preprint arXiv:2508.20457},
year = {2025}
}