基于 GPU 计算距离图的实时碰撞避免

本文提出一种基于 GPU 计算距离变换的机器人副本机械臂在实时运动学反馈控制下的主动障碍物和自碰撞避免方法。该方法利用机器人和环境的离散化表示来计算 3D 欧几里得距离变换，用于基于任务优先级的运动学控制。环境场景使用由实时点云数据创建和更新的 3D GPU 体素地图表示，机器人连杆模型离线转换为体素并根据机器人关节状态插入体素地图以形成自障碍地图。本文使用 Tiago 机器人进行评估，结果表明在机器人进行末端执行器姿态跟踪的实时操作下，所有障碍物和自碰撞避免约束均能在该框架内得到满足，即使面临快速移动的障碍物。还与依赖 GPU 和 CPU 计算距离场的相关工作进行比较，以突出 GPU 距离场的时间性能和准确性。