用于最优运动动力学运动规划的广义标签校正方法

几乎所有自主机器人系统都使用某种形式的运动规划来计算通过其环境的参考运动。自主机器人在广泛应用中的日益使用，产生了对高效、通用运动规划算法的需求，这些算法适用于任何这些新应用领域。本文提出了一种基于直接前向搜索动态模型容许输入信号集合的分辨率完备最优运动动力学运动规划算法。这种广义标签校正方法的优点在于，它不需要像相关方法那样的局部规划子程序。预备材料聚焦于规范问题公式的新拓扑性质，这些性质用于展示性能目标的连续性。这些观察被用于推导运动动力学运动规划背景下贝尔曼最优性原理的推广。随后提出了一种广义标签校正算法，该算法利用这些结果在候选输入信号代价大于相关信号时从搜索中剪枝候选输入信号。本文第二部分讨论运动动力学运动规划的可采纳启发式。推导了一个可采纳性条件，可用于验证特定问题的候选启发式的可采纳性。该条件还刻画了一组可采纳启发式的凸集。制定了一个线性规划，以获得在保持可采纳的同时尽可能接近最优代价到目标的启发式。通过证明该解与哈密顿-雅可比-贝尔曼方程的解一致，论证了这一优化。最后，提出了该无限维线性规划的和平方和松弛，用于获得可证明可采纳的近似解。