基于加速度障碍物的动态环境中机器人导航

本文针对动态环境中的运动规划问题，扩展了速度障碍（Velocity Obstacle, VO）和非线性速度障碍（Nonlinear Velocity Obstacle, NLVO）的概念，提出了加速度障碍（Acceleration Obstacle, AO）和非线性加速度障碍（Nonlinear Acceleration Obstacle, NAO）。与VO和NLVO类似，AO和NAO分别表示机动机器人在障碍沿线性轨迹和非线性轨迹运动时，所采用恒定加速度会导致碰撞的加速度集合。与既有工作不同，本文对AO和NAO的精确边界进行了解析推导。为增进对这些表示方法的直观理解，我们首先依次推导AO：首先将VO扩展为基本加速度障碍（Basic Acceleration Obstacle, BAO），即在假设机器人与障碍初始速度为零的情况下，机器人采用恒定加速度会导致碰撞的加速度集合。这一构想随后被扩展到考虑机器人与障碍任意初始速度情况下的AO。最终，我们推导了NAO，其在前述假设基础上进一步考虑了障碍沿任意轨迹运动的情况。NAO的引入使得能够生成直接考虑机器人二阶动力学（以加速度为控制输入）的安全规避maneuver。我们在多个道路交通场景中演示了AO和NAO的应用，表明在复杂路面交通情景中使用NAO可显著降低机动机器人加速度的调整频率。所提出的方法为多机器人系统提供了一种具有反应性和效率的导航方案，具有潜在的用于在复杂动态环境中运行的自动驾驶车辆之 application。