非线性系统的在线时序感知动力学运动规划
机器人学
2024-07-04 v1
摘要
基于抽样的动力学运动规划器 (SKMPs) 在寻找高维系统在微分约束下的无碰撞轨迹方面具有强大的能力。时序感知集合 (TIS) 可提供加速其收敛于时序最优解的启发式搜索域。然而，现有的 TIS 近似方法受到维度灾变、计算负担以及有限的系统适用范围制约，例如线性和多项式非线性系统。为克服这些问题，我们提出了一种利用深度学习技术、Koopman 算子理论和随机集论的方法。具体而言，我们提出了带控制的可逆 Koopman 算子模型，称为 DIKU，用于通过修改辅助网络中的可逆神经网络来预测给定时域内的状态前向和后向。我们发展了一种基于抽样的 approach，称为 ASKU，用于对 DIKU 执行可达性分析，以在线方式近似 TIS。此外，我们设计了使用直接抽样技术在 TIS 中绘制均匀随机样本的在线时序感知 SKMP。仿真实验结果表明，我们的方法在其他现有方法中表现更佳，能够在近实时内近似 TIS，并在多个时序最优动力学运动规划问题中实现优越的规划性能。
关键词
引用
@article{arxiv.2407.02933,
title = {Online Time-Informed Kinodynamic Motion Planning of Nonlinear Systems},
author = {Fei Meng and Jianbang Liu and Haojie Shi and Han Ma and Hongliang Ren and Max Q. -H. Meng},
journal= {arXiv preprint arXiv:2407.02933},
year = {2024}
}