基于控制障碍函数的动态机器人安全鲁棒运动规划

控制障碍函数（CBF）被广泛用于强制非线性系统的安全关键约束。近来，这些函数正被纳入路径规划框架以设计安全关键路径规划器。然而，这些方法在提供兼顾算法运行时间复杂度与安全关键约束执行的现实路径方面存在不足。本文提出一种新颖的运动规划方法，使用著名的快速扩展随机树（RRT）算法，强制同时满足 CBF 与机器人运动动力学约束以生成安全关键路径。所提算法还输出导致无碰撞路径的相应控制信号。该方法还通过将鲁棒 CBF 约束纳入所提框架来考虑模型不确定性。因此，所得路径无任何障碍，并考虑了来自机器人动力学与感知的模型不确定性。结果分析表明，所提方法优于多种传统基于 RRT 的路径规划器，以最小计算开销保证安全关键路径。我们在 Hamster V7 机器人小车（一种微型自主地面无人车，可在布满障碍的路径上以多种感知噪声与机器人动力学不确定性进行动态导航）上给出了算法的数值验证。