基于点云条件流匹配的机器人操作臂运动规划温启动
机器人学
2025-10-07 v1
摘要
快速机器人运动生成是 Human-Robot Collaboration (HRC) 系统的关键，因为机器人需要不断观察环境并重新规划运动以确保安全交互和高效任务执行。当前基于抽样的运动规划器在高维配置空间中难以扩展，常需后处理来插值和平滑生成的路径，导致在复杂环境中效率低下。优化基准的规划器另一方面可纳入多个约束，直接生成光滑轨迹，潜在更高效。然而，优化基准的规划器对初始化敏感，可能陷入局部最优。在本工作中，我们提出一种新型基于学习的方法，利用以单视图点云为条件的 Flow Matching 模型学习近似最优解用于优化初始化。我们的方法无需对环境进行先验知识，包括障碍位置和几何形状，即可直接从单视图深度相机输入生成可行轨迹。UR5e 机器人操作臂在杂乱工作空间中的仿真研究表明，所提出的生成初始化器本身即可实现高成功率，显著提高了传统和基于学习的基准初始化器的轨迹优化成功率，所需更少的优化迭代，并对未见环境具有强大的泛化能力。
引用
@article{arxiv.2510.03460,
title = {Warm-Starting Optimization-Based Motion Planning for Robotic Manipulators via Point Cloud-Conditioned Flow Matching},
author = {Sibo Tian and Minghui Zheng and Xiao Liang},
journal= {arXiv preprint arXiv:2510.03460},
year = {2025}
}