Jun, 2017

可扩展渐进最优多机器人运动规划

PDF
TL;DR该研究提出了一种可扩展的多机器人路径规划方法 dRRT*，利用采样基规划器在所有机器人构型空间的复合配置空间中寻找渐近最优路径，实验表明 dRRT * 可以在高维多机器人问题中收敛到高质量路径。
multi-robot motion planningsampling-based plannerdrrt*asymptotic optimalityhigh-dimensional problems
发现论文，激发创造
  • 基于逐步采样的最优运动规划算法

    本文介绍了一种新型的算法 —— 快速探索随机图（RRG）及其树形版本 RRT $ ^ * $ 算法，并证明这两个算法都可以在几乎确定地收敛到最优解。此外，文章还建立起采样运动规划算法和随机几何图理论之间的新联系，以证明所提出算法的复杂度与传统 RRT 算法相比是等价的。

    May, 2010

  • 确定性采样式运动规划：最优性，复杂度，和性能

    该研究论文探究了将确定性的低离散度采样序列应用于机器人运动规划中的概率采样算法，并证明了其渐近最优性，并通过数值实验验证了其在路径成本和成功率方面表现出更高的性能。

    Apr, 2015

  • 基于采样的最优路径规划算法

    本文介绍了一种新的算法 PRM * 和 RRT*，证明了它们是渐近最优的，并且在样本数增加的情况下，它们的解决方案成本几乎肯定收敛于最优值。这些算法的计算复杂度与传统的，但不是渐近最优的算法相当。

    May, 2011

  • 在连续空间中可扩展的多机器人路径规划的安全间隔 RRT*

    在本文中，我们考虑了连续空间下的多机器人路径规划（Multi-Robot Path Planning，MRPP）问题，以找到无冲突的路径。为此，我们提出了一个两级方法，其中低级是一个基于采样的规划器 Safe Interval RRT*（SI-RRT*），用于找到单个机器人的无碰撞轨迹。高级方法可以使用任何能够解决机器人间冲突的方法，我们采用了两种代表性方法，即优先级规划（SI-CPP）和基于冲突搜索（SI-CCBS）。实验结果表明，SI-RRT * 能够快速找到高质量解，且样本数量较少。SI-CPP 在可扩展性方面表现较好，而 SI-CCBS 相对于现有的连续空间规划器而言，能够产生更高质量的解。与最具可扩展性的现有算法相比，SI-CPP 在保持解质量的同时，成功率提高了多达 94%，并且不会造成显著妥协。SI-CPP 还能够将完成时间缩短 45%。SI-CCBS 相对于竞争对手，将完成时间减少了 9%，尽管成功率降低了 14%。

    Apr, 2024

  • 多智能体 RRT*: 基于采样的合作路径规划（扩展摘要）

    提出了基于 MA-RRT * 算法的多智能体路径规划问题解决方案，该算法在解决真实世界中大型但稀疏环境的多飞机防撞等任务时性能很好，能够有效利用采样机制，比以往的正向搜索方法更具可扩展性。

    Feb, 2013

  • DDM：使用多样化路径和最优子问题解数据库启发式算法的快速近似多机器人路径规划

    提出了一种新颖的中央分离式算法，通过利用路径分化和最优子问题解决数据库来解决多机器人路径规划问题，从而实现高效的解决路径冲突，并在大规模、动态环境中取得高水平的解决方案优化。

    Apr, 2019

  • 通过利用在线生成的经验，加速多机器人操作的搜索规划

    通过利用冲突基础搜索算法的重复和增量特性，加速搜索算法的方法使其适用于多臂协调和复杂环境中的机器人操作，从而达到完整和有界的次优性保证。

    Mar, 2024

  • 大规模多机器人组装规划的自主制造

    移动自主机器人在制造过程中具有改革性潜力。我们提出了一个完整的算法堆栈，用于解决制造中的挑战，并能够在几分钟内为成千上万个零部件设计复杂的装配计划。

    Oct, 2023

  • 基于信息的 RRT*：通过合法椭球启发式直接采样聚焦于最优采样路径规划

    本文介绍一种有效的路径规划方法 Informed RRT*，通过直接采样路径长度的子集来提高搜索的效率，达到更高的收敛速度和更好的最终解决方案质量。

    Apr, 2014

  • 在图上为多个机器人规划最优路径

    本文研究基于图的多机器人路径规划问题，提出两种多流基于整数线性规划算法，计算最小到达时间和最小总距离的解决方案，其算法性能表现得到评估，并能够适应其他 MPP 问题变体。

    Apr, 2012