高維機器人的機會受限運動計劃系統

麻省理工學院計算機科學和人工智能實驗室的研究人員最近開發了一種機會受限的運動計劃系統，該系統可應用于運動不確定性以及狀態信息不完善的情況下的高自由度(DOF)機器人。在arXiv上預先發表的一篇論文中概述了他們的方法，可以找到滿足用戶指定的碰撞概率界限的可行軌跡。

進行這項研究的研究人員之一戴思雨對TechXplore表示：“這項工作的主要靈感是受現有機會受限運動計劃者的限制。” “我發現許多最先進的運動計劃器要求將障礙物化為凸形，這對于高范圍領域的計劃(例如機械手運動計劃)是不可行的。其他受機會限制的主流運動計劃器都基于快速發展探索隨機樹(RRT)方法，其中高維計劃任務的速度非常重要。”

為了解決現有運動計劃系統的局限性，Dai和她的同事著手開發一種快速反應且受機會限制的運動計劃器。這樣的運動計劃器對于完成受嚴重干擾和有限觀察(例如水下操縱)的任務的機器人特別有用。

他們創建的概率Chekov(p-Chekov)系統基于他們先前在確定性運動計劃中的工作，該計劃將軌跡優化集成到了稀疏的路線圖框架中。P-Chekov使用線性二次高斯運動規劃方法來估計機器人的狀態概率分布。然后，將正交理論應用于路點碰撞風險估計，并調整風險分配方法，以將可允許的故障概率分配給路點。

“我們開發的機會受限運動計劃系統包括確定性計劃組件和風險評估組件，”戴解釋說。“確定性組件首先根據環境信息構建由可行，無碰撞的邊組成的路線圖。在在線規劃任務中，然后從路線圖中搜索可行軌跡，并使用軌跡優化器對其進行平滑。然后將此軌跡傳遞到風險評估組件中，該組件基于噪聲的估計來評估碰撞的風險。”