基于中心 Voronoi 图的大规模机器人路径规划
机器人学
2024-10-04 v1 多智能体系统
系统与控制
系统与控制
摘要
群体机器人学，或称为超大规模机器人学 (VLSR)，在处理复杂任务方面具有诸多有意义的应用前景。然而，随着机器人数量的增加，运动控制的复杂度和能源消耗会迅速升级。为解决这一问题，我们之前的研究工作已提出多种方法，分别采用宏观和微观方法。这些方法使微观机器人能够遵循在宏观尺度上观察到的高斯混合模型 (GMM) 分布。因此，对宏观层面的优化将导致整体最优结果。然而，这些方法都要求在无障碍区域系统性地生成高斯成分 (GCs)，以构建 GMM 轨迹。本工作利用中心 Voronoi 细分来系统性地生成 GCs 方法。 Consequently, 它在性能提升的同时，也确保了一致性和可靠性。
引用
@article{arxiv.2410.02510,
title = {SwarmCVT: Centroidal Voronoi Tessellation-Based Path Planning for Very-Large-Scale Robotics},
author = {James Gao and Jacob Lee and Yuting Zhou and Yunze Hu and Chang Liu and Pingping Zhu},
journal= {arXiv preprint arXiv:2410.02510},
year = {2024}
}
备注
Submitted to American Control Conference (ACC) 2025