基于可达性感知的四足类机器人运动-操作路径优化
机器人学
2025-07-29 v1 系统与控制
系统与控制
摘要
四足类操纵器，如配备机械臂的四足机器人，需要考虑其复杂运动学约束的运动规划技术，以安全有效地执行操纵任务。然而，轨迹优化方法常因接触断点引入的混合动力学面临挑战，且为求解计算难度往往忽略腿部限制。在本工作中，我们提出了 RAKOMO，一种将 K-Order Markov Optimization (KOMO) 的优势与基于可达区域定义的运动学感知准则相结合的路径优化技术。我们利用神经网络预测该区域，随后将其纳入标准 KOMO 公式进行优化。该方法实现了基于梯度的运动规划快速收敛——通常为连续系统而设计——同时有效适应四足类操纵器，成功执行了 loco-manipulation 任务。我们通过对带 Kinova Gen3 机械臂的 HyQReal 四足机器人进行的拾取-放置任务仿真，评估了 RAKOMO 与基线 KOMO 方法的性能。
引用
@article{arxiv.2507.19652,
title = {RAKOMO: Reachability-Aware K-Order Markov Path Optimization for Quadrupedal Loco-Manipulation},
author = {Mattia Risiglione and Abdelrahman Abdalla and Victor Barasuol and Kim Tien Ly and Ioannis Havoutis and Claudio Semini},
journal= {arXiv preprint arXiv:2507.19652},
year = {2025}
}