基于风险感知的灵活蛇形机器人集成任务与运动规划：面对定位失效
机器人学
2025-02-28 v1 人工智能
系统与控制
系统与控制
摘要
蛇形机器人能够在极端地形和封闭环境中实现移动，适用于陆基及太空应用。然而，由于传感器负载靠近地面且视野受限，蛇形机器人的鲁棒感知与定位仍是开放性挑战。为此提出Blind-motion with Intermittently Scheduled Scans (BLISS)方案，将专利式运动与间歇扫描相结合，以抵御定位失效与碰撞风险。BLISS被形式化为集成任务与运动规划(TAMP)问题，导致产生一种机会受限混合部分可观测马尔可夫决策过程(CC-HPOMDP)，由于历史诅咒而计算上难以置信。我们的创新点在于将CC-HPOMDP重新表述为可解的凸混合整数线性规划(MILP)。这使我们能够显著加快求解BLISS-TAMP速度，同时联合导出最优任务-运动计划。在EELS蛇形机器人上的仿真与硬件实验表明，本方法较当前先进的POMDP规划器快一个数量级，较经典两阶段规划器提高超过50%的导航时间最优性。
引用
@article{arxiv.2502.19690,
title = {Risk-aware Integrated Task and Motion Planning for Versatile Snake Robots under Localization Failures},
author = {Ashkan Jasour and Guglielmo Daddi and Masafumi Endo and Tiago S. Vaquero and Michael Paton and Marlin P. Strub and Sabrina Corpino and Michel Ingham and Masahiro Ono and Rohan Thakker},
journal= {arXiv preprint arXiv:2502.19690},
year = {2025}
}
备注
8 pages, 9 figures. Accepted article with supplemental material for presentation at the 2025 IEEE International Conference on Robotics and Automation (ICRA)