基于采样的运动规划在人形机器人上的扩展

为人形机器人规划平衡且无碰撞的运动并非易事，尤其是在复杂环境中操作，例如到达障碍物后的目标或通过狭窄通道时。我们提出了一种方法，通过利用定制化的状态空间表示、偏置采样策略以及基于鲁棒逆运动学求解器的引导函数，将现有的基于采样的算法应用于人形机器人的轨迹规划。我们的方法无需事先的离线计算，因此可以轻松地将工作迁移到新的机器人平台。我们在38自由度人形机器人NASA Valkyrie上测试了所提出的方法解决实际的到达任务，结果表明我们的方法能够生成可在先进全尺寸人形机器人上执行的有效运动规划。我们还展示了在不同到达运动问题上评估的多种运动规划算法之间的基准比较。这使我们能够找到适合解决人形机器人运动规划问题的算法，并识别这些算法的局限性。