运动动力学约束下基于 B 样条曲线优化的多智能体运动规划
机器人学
2024-03-12 v2 多智能体系统
摘要
多智能体运动规划（MAMP）旨在为已知环境中多个运动智能体求解无碰撞且动力学可行的轨迹，同时最小化其行驶时间。MAMP 与得到充分研究的多智能体路径寻找（MAPF）问题密切相关。近来，MAPF 方法在为大量智能体寻找无碰撞路径方面取得巨大成功。然而，这些方法常忽略智能体的运动动力学约束，假设瞬时移动，限制了其实用性与真实性。本文提出一种称为 PSB 的三层基于 MAPF 的规划器，以应对 MAMP 带来的挑战。PSB 充分考虑智能体的运动动力学能力，并生成具有平滑速度剖面的解，可由控制器直接执行。我们通过自动驾驶车辆交通路口协调与移动机器人在障碍密集栅格地图中的导航两类场景对 PSB 进行实证评估。相比现有方法，PSB 在解代价上实现了最高 49.79% 的改进。
引用
@article{arxiv.2311.14145,
title = {Multi-Agent Motion Planning with B\'ezier Curve Optimization under Kinodynamic Constraints},
author = {Jingtian Yan and Jiaoyang Li},
journal= {arXiv preprint arXiv:2311.14145},
year = {2024}
}