障碍密集未知环境中具有风险-收益权衡的抗碰撞移动机器人运动规划
机器人学
2020-09-07 v1
摘要
在未知障碍密集环境中避障并非总是可行。本文聚焦于一种新兴范式转变：与环境潜在碰撞可被加以利用，而非完全避免。为此，我们引入一种新颖的基于采样的在线规划算法，其能显式处理与环境碰撞的风险，并可在避撞与用撞之间切换。该规划器能力的核心是一个新颖的联合优化函数，其利用反射模型评估可能碰撞的影响。借此，若预期碰撞有助于机器人朝目标推进，规划器可做出故意与环境碰撞的审慎决策。为使算法在线化，我们提出一种状态扩展剪枝技术，在确保完备性的同时显著缩减搜索空间。所提算法在一台可承受碰撞的自行搭建的全向轮式机器人上进行了实验评估。我们开展了广泛的参数研究，以探究（用户调节的）风险水平、故意碰撞决策与轨迹统计（如到达目标时间与路径长度）之间的权衡。
引用
@article{arxiv.2009.01973,
title = {Motion Planning for Collision-resilient Mobile Robots in Obstacle-cluttered Unknown Environments with Risk Reward Trade-offs},
author = {Zhouyu Lu and Zhichao Liu and Gustavo J. Correa and Konstantinos Karydis},
journal= {arXiv preprint arXiv:2009.01973},
year = {2020}
}
备注
Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2020