动态环境中安全作业的同步场景重建与全身运动规划

近期工作已展示基于稠密感知的实时建图与重建，而基于距离场的运动规划已被证明可实现具有良好收敛特性的快速、无碰撞运动合成。然而，在未知环境中、存在静态与动态障碍物时，能够安全重规划的完全集成系统的演示仍是一项开放挑战。在本工作中，我们首先研究有符号与无符号距离场对优化收敛性以及二维路径规划、机械臂运动规划和全身移动操作规划中轨迹优化问题的 resultant error cost 的影响。我们进一步分析了三种最先进的用于实时环境重建的距离场生成方法（Voxblox、Fiesta 和 GPU-Voxels）的性能。最后，我们利用我们的发现构建了一个实用的混合建图与运动规划系统，该系统使用 GPU-Voxels 和 GPMP2 执行滚动时域全身运动规划，可利用实时传感器数据在三维空间中平滑避开运动障碍物。我们的结果在仿真和真实的 Toyota Human Support Robot (HSR) 上得到了验证。