基于可达性的带神经隐式安全约束的轨迹设计
机器人学
2023-02-16 v1
摘要
实时生成安全运动规划是部署机器人操纵器以在协作环境中辅助人类的关键要求。特别地，机器人必须满足严格的安全要求，以避免自损或伤害附近人类。若机器人还须实时运行以调整环境变化，满足这些要求尤其具有挑战性。本文通过提出基于可达性的有符号距离函数（RDFs）作为机器人安全的神经隐式表示来解决这些挑战。RDF 可通过监督学习以易处理的方式构建，能准确预测机械臂扫掠体积与障碍物之间的距离。RDF 的推理与梯度计算快速且随系统维度线性缩放；这些特性使其能作为一种连续时间避碰约束用于新颖的实时轨迹规划框架中。使用 RDF 的规划方法与多种最先进技术比较，被证明比所有测试方法更快、更可靠地成功求解高维系统的挑战性运动规划任务。
引用
@article{arxiv.2302.07352,
title = {Reachability-based Trajectory Design with Neural Implicit Safety Constraints},
author = {Jonathan Michaux and Qingyi Chen and Yongseok Kwon and Ram Vasudevan},
journal= {arXiv preprint arXiv:2302.07352},
year = {2023}
}