Multi-Risk-RRT：一种用于机场机器人自主行李推车收集的的高效运动规划算法
机器人学
2023-09-21 v1
摘要
机器人已在机场和购物中心等动态拥挤环境中日益普及。在这些场景中，机器人导航的关键挑战是可靠性以及及时到达预定目的地。尽管现有的基于风险的运动规划算法有效降低了与静态和动态障碍物的碰撞风险，仍需要显著的性能改进。具体而言，动态环境要求更快速的响应与鲁棒的规划。为弥补这一不足，我们引入了一种新颖的基于风险的多向采样算法，多向基于风险的快速扩展随机树（Multi-Risk-RRT）。不同于传统算法仅依赖有根树或双树进行状态空间探索，我们的方法融合了多个子树。每个子树独立探索其周边环境。同时，主有根树从这些子树收集启发式信息，促进向目标状态的快速推进。我们的评估，包括仿真与真实世界环境研究，表明 Multi-Risk-RRT 在规划效率与鲁棒性上优于现有的单向与双向基于风险的算法。
引用
@article{arxiv.2309.11032,
title = {Multi-Risk-RRT: An Efficient Motion Planning Algorithm for Robotic Autonomous Luggage Trolley Collection at Airports},
author = {Zhirui Sun and Boshu Lei and Peijia Xie and Fugang Liu and Junjie Gao and Ying Zhang and Jiankun Wang},
journal= {arXiv preprint arXiv:2309.11032},
year = {2023}
}