基于方向感知的凸自由区域生成用于未知密集环境中的安全导航
机器人学
2026-04-28 v1
摘要
凸自由区域为机器人在未知密集环境中的碰撞自由空间提供了结构化且优化友好的表示。然而，现有方法通常仅根据周围障碍物的几何形状来扩大局部碰撞自由区域。在密集环境中，这类策略可能无法生成既能容纳机器人几何形状又能沿候选运动方向保持可遍历延伸的区域，从而限制后续路径规划，尤其在狭窄通道中尤为明显。即便存在此类区域，安全运动生成仍具有挑战性，因为在显式建模机器人几何形状后，离散轨迹样本的安全性检查无法保证连续碰撞自由运动。为解决此问题，本文提出一种导航框架，联合候选运动方向与机器人几何形状进行凸自由区域生成，并通过连续安全轨迹生成实现连续碰撞自由运动。在每个区域内，框架执行几何感知的目标姿态选择与轨迹生成，结合Lipschitz型连续安全认证与局部细化。生成的自由区域与候选运动在基于区域的图中维护，以支持增量规划。二维密集导航场景的定量实验表明，所提方法生成的自由区域更贴合后续路径规划，能够可靠地实现碰撞自由导航；此外，针对四足机器人和无人机的3D实验及实际环境测试进一步证明了该框架的可扩展性与实际应用价值。开源项目已公开于 https://github.com/ZhichengSong6/FRGraph。
引用
@article{arxiv.2604.23648,
title = {Safe Navigation in Unknown and Cluttered Environments via Direction-Aware Convex Free-Region Generation},
author = {Zhicheng Song and Yongjian Li and Kai Chen and Yulin Li and Fan Shi and Jun Ma},
journal= {arXiv preprint arXiv:2604.23648},
year = {2026}
}