XFlowMP：基于 Schrodinger 桥接的任务条件运动场生成式机器人规划
机器人学
2025-12-02 v1
摘要
生成式机器人运动规划不仅需要合成光滑、无碰撞的轨迹，还需要在多样化任务和动态约束下保持可行性。以往的规划方法，无论是传统方法还是生成式方法，往往难以将高层语义与低层约束有效融合，尤其是任务配置与运动可控性之间的关系。本文提出 XFlowMP，一种任务条件生成式运动规划器，将机器人轨迹演化建模为通过 Schrodinger 桥接连接随机噪声与专家演示的熵流。具体而言，我们的方法利用 Schrodinger 桥接作为条件流匹配技术，结合评分函数来学习具有高阶动力学的运动场，同时编码起始-目标配置，从而实现无碰撞且动态可行的运动生成。通过评估，XFlowMP 在 RobotPointMass 数据集上相较于最佳基线实现了最高均值偏差降低 53.79%、运动更平滑 36.36%，能耗降低 39.88%。在 LASA 手写体数据集上的长程运动中，本方法保持轨迹的均值偏差降低 1.26%、平滑度提升 3.96%，能耗降低 31.97%。我们进一步在 Kinova Gen3 机械臂上实现了方法的实际应用，执行规划运动并证明了其在实际环境中的鲁棒性。
关键词
引用
@article{arxiv.2512.00022,
title = {XFlowMP: Task-Conditioned Motion Fields for Generative Robot Planning with Schrodinger Bridges},
author = {Khang Nguyen and Minh Nhat Vu},
journal= {arXiv preprint arXiv:2512.00022},
year = {2025}
}