基于视觉机器人的信念空间不确定性约束微分动态规划

大多数移动机器人遵循模块化的感知-规划-执行系统架构，由于轨迹缺乏特征匹配，可能导致视觉惯性导航系统性能不佳甚至灾难性失败。在信念空间中规划提供了一种统一的方法来紧密耦合感知、规划和控制模块，从而产生对噪声测量和干扰具有鲁棒性的轨迹。然而，现有方法将不确定性作为代价处理，需要对不同环境和硬件进行手动调参。因此我们提出了一种新颖的轨迹优化公式，其包含不确定性的不等式约束以及一种新颖的基于增广拉格朗日的信念空间随机微分动态规划方法。此外，我们开发了一个概率可见性模型，该模型考虑了由特征可见性限制引起的不连续性。我们的仿真测试表明，该方法可以在不同环境中处理不等式约束，适用于完整和非完整运动模型，且无需手动调参不确定性代价。我们还展示了由于我们的可见性模型带来的信念空间优化性能提升。