用于机器人高速避障与反应式规划的超算方法

本文提出了 SHARP（Supercomputing for High-speed Avoidance and Reactive Planning），一项概念验证研究，展示了高性能计算 (HPC) 如何在机器人控制中实现毫秒级响应能力。虽然现代机器人在人机共享工作空间中面临日益增长的反应性需求，但机载处理器受到尺寸、功耗和成本的限制。卸载到 HPC 可以为轨迹规划提供大规模并行性，但由于网络延迟和抖动，其对实时机器人的可行性仍不确定。我们在压力测试场景中评估 SHARP，其中一台 7 自由度机械臂必须躲避高速泡沫弹丸。使用在本地和远程 HPC 集群上通过 MPI 实现的多目标 A* 搜索，系统实现了平均规划延迟分别为 22.9 毫秒（本地）和 30.0 毫秒（远程，约 300 公里外），避障成功率分别为 84% 和 88%。这些结果表明，当往返延迟保持在数十毫秒范围内时，HPC 端计算不再是瓶颈，可以在低于人类反应时间的条件下实现避障。SHARP 的结果推动了混合控制架构的发展：低级反射保留在机载以确保安全，而突发性、高吞吐量的规划任务则卸载到 HPC 以实现可扩展性。通过报告各阶段的时间和成功率，本研究提供了一个评估 HPC 驱动机器人实时可行性的可复现模板。总体而言，SHARP 将 HPC 卸载重新定位为实现动态环境中可靠、反应式机器人的可行途径。