Mar, 2024

双编码器多目标轨迹规划

PDF
TL;DR我们提出了一种双编码器基于转换器模型的两阶段方法，以加速时间 - 抖动最优轨迹规划。通过顺序二次规划对初步轨迹进行改进，以提高其最优性和鲁棒性。与现有方法相比，我们的方法在减少轨迹规划时间方面超过了最先进方法 79.72％，并且优化目标函数值减少了最多 29.9％。
time-jerktrajectory planningrobotic armsdual-encoder based transformer modelsequential quadratic programming
发现论文，激发创造
  • 学习时序优化路径跟踪，带或不带感觉反馈

    本文提出了一种基于学习的方法，使机器人能够在不超过每个机器人关节的位置、速度、加速度和抖动的限制条件下快速跟随以关节空间定义的参考路径。

    Mar, 2022

  • 双臂桌面物体重排的高效任务规划

    研究使用两个机器臂解决多物体重新排列的问题，并开发了有效的任务规划算法来安排拾取和放置序列，以节省时间和提高效率。

    Jul, 2022

  • 机器人 Trajectron：基于轨迹预测的机器人操作共享控制

    该研究论文主要讨论了通过预测机器人手臂运动轨迹，来简化操作者的认知负荷，并在协作控制任务中提供辅助，以准确捕捉操作者的意图。研究采用一种新颖的意图估计方法称为 “机器人 Trajectron”，通过考虑手臂的动力学特征，能够更好地捕捉操作者的意图，并结合潜在目标位置的信息进行协作控制。实验证明了机器人 Trajectron 在意图估计和协作控制任务中的有效性。

    Feb, 2024

  • 基于深度强化学习的避障轨迹规划与鲁棒低层控制方法在机器人操纵器中的应用

    在机器人学中，我们提出了一种集成无障碍深度强化学习轨迹规划器和新颖的自适应低级和关节级控制策略的方法，通过与环境的交互来激活学习阶段，解决了学习基于模型的复杂性和稳定性和安全性之间的挑战。

    Feb, 2024

  • 使用 GNN 和时间编码进行基于学习的动态环境运动规划

    本文介绍了一种基于 GNN 的方法，利用时间编码和模仿学习与数据聚合来学习嵌入和边缘优先策略，以显着加速在线规划。

    Oct, 2022

  • 自动驾驶的开创性 SE (2) 等变轨迹规划

    我们提出了一种轻量级的等变规划模型，它在生成所有车辆的多模态联合预测并选择一个模态作为自主计划时，结合了运动预测和轨迹规划。通过嵌入车辆位置并在潜在空间中沿着高级路线指导自主车辆，我们的方法提供了具有目标导向行为的等变规划，同时在保持等变性的同时不强制汽车始终沿着确切的路线行驶。我们在具有挑战性的 nuScenes 数据集上进行实验，结果表明，我们规划的轨迹在输入场景的旋转平移下稳定，验证了我们模型的等变性。尽管只使用了数据集的一小部分进行训练，但我们的方法在 3 秒内改善了 20.6％的 L2 距离，并超过了最先进的方法。

    Mar, 2024

  • 通过深度流形学习的统一控制框架，在避开移动障碍的同时拦截飞行目标

    本文提出了一种应用机器人路径规划中的深度流形学习以实现机器人抓取多个运动目标和同时回避多个动态或静态的障碍物的算法框架。通过使用扩散图生成摆脱障碍物所需的移动指令，同时跟踪快速移动的目标。实验结果表明，该方法可以在控制机器人臂的各种操作中取得良好的效果。

    Sep, 2022

  • 学习分散式多臂运动规划器

    我们提出了一种具有可扩展性和灵活性的闭环多臂机器人运动规划器，利用多智能体强化学习，训练去中心化策略以控制一个机械臂达到目标终端执行器姿态，通过利用经典规划算法来提高强化学习算法的学习效率，保留神经网络的快速推理时间，得出一个作用于不同团队规模的柔性政策。

    Nov, 2020

  • 使用先前政策指导的强化学习对双臂自由浮动空间机器人进行运动规划

    我们提出了一种新的算法 EfficientLPT，通过使用混合策略、引入先验知识，以及采用无穷范数构建合理的奖励函数来提高强化学习方法的规划精度，从而解决了双臂自由浮动空间机器人动作规划中无法捕捉非合作对象的问题，并通过旋转速度不同的物体捕获任务验证了该方法的有效性。

    Sep, 2022

  • 多机器人接货和交货的最优综合任务和路径规划及其应用

    我们提出了一个通用的多机器人规划机制，它将最优任务规划器和最优路径规划器相结合，以提供可扩展的解决方案来解决复杂的多机器人规划问题。

    Mar, 2024