Jul, 2023

高度混杂环境下，用于导航双轮机器人的可通过障碍感知路径规划算法

HTML
PDF
TL;DR该文介绍了一种新颖的导航方法—— Passable Obstacles Aware planner (POA)，可帮助双轮机器人在高度混乱的环境中寻找穿越通道，降低路径长度和总旅行时间，并可嵌入到其他计划算法中。
发现论文，激发创造
  • 多机器人路径规划中的子图结构利用

    本文提出两种机器人路径规划算法：抽象化方法和优先级计划算法，证明了前者的完备性和正确性，并演示了将它们组合起来的单一算法的实际效果。

    Oct, 2011

  • 多智能体取送货生命周期运动规划

    本研究介绍了一个处理多智能体运输问题的新算法，使用组合搜索算法SIPPwRT进行单智能体路径规划，并考虑了实际机器人的动力学约束，相比于现有算法更为高效和有效。

    Dec, 2018

  • 带拓展空间POMDP规划的人群意图感知导航

    本文提出了一种混合在线部分可观察马尔可夫决策过程规划系统，针对多模态不确定性对自主导航的影响。通过使用多查询运动规划和在线POMDP求解器，我们实现了更加灵活和高效的实时方法，从而更好地解决了密集人群和障碍物之间的自主导航问题，并获得了更高的安全性和效率。

    Jun, 2022

  • 控制变压器：基于PRM引导的返回条件序列建模的机器人在未知环境中导航

    本文提出控制变压器(Control Transformer)结合基于采样的概率路图规划器(Probabilistic Roadmap Planner)的低层策略，应用于机器人领域的长周期任务，结果表明我们的框架可以仅利用局部信息解决长周期导航任务，实现了零-shot的模拟现实转移(transfer)，并在Ant、Point、Humanoid和Turtlebot3机器人上验证了该方法。

    Nov, 2022

  • 机器人导航中最小障碍物位移规划的计算权衡

    本文探讨了从移动机器人运动规划的角度来看最小障碍物位移（MOD）规划问题，该问题通过位移可移动障碍物找到通向目标的最佳路径，但该问题在可移动障碍物的数量上成指数增长，因此我们探讨了计算量较小并与最优解相差不多的近似解决方案。

    Feb, 2023

  • 基于动态系统路径规划与无监督学习的现实环境自主搜索

    本文章提出了一种基于 ROS 框架的混沌路径规划应用程序，该程序通过提供避障技术、混沌轨迹分散和准确覆盖计算等技术，解决了对于限制目标的自主搜索与遍历任务的三大关键问题，其性能可与传统最优路径规划器相媲美，并在多种大小、形状和障碍物密度的真实环境与 Gazebo 模拟中进行了测试。

    May, 2023

  • 两步式动态避障

    本文提出了一种两步架构，通过结合监督学习和强化学习来处理动态避障任务。第一步，我们采用数据驱动方法使用循环神经网络估计障碍物的碰撞风险，以解决非线性障碍物移动的鲁棒性问题。第二步，我们将这些碰撞风险估计值纳入强化学习智能体的观察空间，以增加其环境感知能力。我们通过在具有多个障碍物的复杂环境中训练不同的强化学习智能体来展示我们的两步方法的有效性。实验证明，将碰撞风险指标整合到观察空间中，可以使智能体的奖励性能提升一倍，相当于在考虑的环境中减少一半的碰撞次数。此外，我们还证明该架构的性能改进与所采用的强化学习算法无关。

    Nov, 2023

  • 引导式运动规划框架

    随机抽样、机器人运动规划、引导空间、信息论方法、混合算法

    Apr, 2024

  • LDP: 用于高效机器人导航和避障的本地扩散规划器

    基于条件扩散模型，本研究探索了多样化的数据生成机制以及全局-局部信息的集成，以解决机器人本地导航中的挑战，如数据紧迫性和近视观察。通过该方法，实现了在各种场景中出色的避碰能力和更健壮的导航决策。

    Jul, 2024

  • 利用扩散模型进行联合定位与规划

    本研究解决了已知但任意的二维环境中联合全球定位和路径规划的问题。我们引入了一种扩散模型，能够根据自我中心的激光雷达扫描、任意地图和目标位置生成无碰撞路径。研究结果表明，所提出的条件化技术使模型能够在外观差异显著的现实地图上实现泛化，并有效描述模糊解，展示了其在实时定位和规划中的潜在应用价值。

    Sep, 2024