移动机器人导航(偏向运动规划)paper daily(4) |
您所在的位置：网站首页 › gpc作图 › 移动机器人导航(偏向运动规划)paper daily(4) |
|
paper daily目的： 记录与分享自我监督阅读新的高质量研究，开阔研究视野阅读范畴： 机器人重要期刊和会议中，挑选移动机器人导航(运动规划相关)的2022年及之后的论文阅读，每日粗浅记录5篇，如记录有错误，欢迎批评指正！ 1. Decentralized probabilistic multi-robot collision avoidance using buffered uncertainty-aware Voronoi cells 一作：H Zhu期刊/会议：AUTONOMOUS ROBOTS(AURO)时间：2022关键字：Collision avoidance，Motion planning，Planning under uncertainty，Multi-robot systems摘要：在本文中，我们提出了一种分散的、无通信的多机器人系统避免碰撞的方法，该方法考虑了机器人的定位和感应的不确定性。该方法依赖于在高斯分布的不确定性假设下，为每个机器人计算一个不确定性感知的安全区域，以便在环境中的其他机器人和静态障碍物之间进行导航。特别是，在每个时间步骤，我们为每个机器人构建一个机会约束的缓冲不确定性感知Voronoi单元（B-UAVC），给定一个指定的碰撞概率阈值。通过约束每个机器人的运动在其相应的B-UAVC内，即机器人和障碍物之间的碰撞概率保持在指定的阈值以下，来实现概率性的避免碰撞。所提出的方法是分散的、无通信的、可随着机器人数量的增加而扩展的，并且对机器人的定位和感知的不确定性具有鲁棒性。我们将该方法应用于单积分器、双积分器、差分驱动机器人和具有一般非线性动力学的机器人。对地面车辆、四旋翼飞机和异质机器人团队进行了广泛的模拟和实验，以分析和验证所提出的方法。2. Intelligent Physical Attack Against Mobile Robots With Obstacle-Avoidance 一作：YS Li期刊/会议：IEEE TRANSACTIONS ON ROBOTICS(TRO)时间：2022关键字：Intelligent attack, intentional learning, mobile robots, obstacle-avoidance摘要：近年来，移动机器人的安全问题引起了广泛关注。在这篇文章中，我们提出了一种智能物理攻击方法，通过从外部观察中学习避障机制，将移动机器人困在一个预设位置。我们工作的突出创新之处在于揭示了这样一种可能性，即具有智能和先进设计的基于物理的攻击，可以在不事先了解系统动态或进入内部系统的情况下构成真正的威胁。这种攻击无法通过传统的网络空间安全的对策来处理。在实践中，所提出的攻击的基础是积极探索受害机器人与环境的复杂互动特征，并学习其行为的有限观察中表现出的避障知识。然后，我们提出了最短路径和不动手攻击算法，从巨大的运动空间中找到有效的攻击路径，分别以较低的路径长度和活动时间成本实现从驾驶到捕获的目标。算法的收敛性得到了证明，并进一步得出了攻击性能的界限。广泛的模拟和真实的实验说明了所提出的攻击的有效性，为未来研究新的物理威胁和机器人系统的防御提供了可能。3. Trajectory Optimization of Chance-Constrained Nonlinear Stochastic Systems for Motion Planning Under Uncertainty 一作：YK Nakka期刊/会议：IEEE TRANSACTIONS ON ROBOTICS(TRO)时间：2022关键字：Motion planning, space exploration, stochastic systems, trajectory optimization摘要：在这篇文章中，我们提出了基于广义多项式Chaos的顺序凸编程（gPC-SCP），来计算一个连续时间的机会约束的随机非线性最优控制（SNOC）问题的次优解。该方法使机器人系统在不确定的情况下进行运动规划。gPC-SCP方法包括两个步骤。第一步是通过使用gPC扩展和机会约束的分布稳健凸子集，得出具有凸约束的确定性非线性最优控制（DNOC）的代理问题。第二步是使用序列凸编程解决轨迹生成和控制的DNOC问题。我们证明，在无约束的情况下，DNOC的最优值渐进地收敛于SNOC的最优值，约束DNOC的任何可行解都是机会约束SNOC的可行解。我们还提出了预测器-校正器扩展（gPC-SCPPC），用于在随机不确定性存在的情况下实时生成运动轨迹。在gPC-SCPPC方法中，我们首先使用gPC方法预测不确定性，然后优化运动计划以适应不确定性。我们通过经验证明了gPC-SCP和gPC-SCPC方法在以下两个测试案例中的功效：首先，在驱动和物理参数不确定的情况下进行碰撞检查；其次，对3DOF和6DOF机器人系统进行随机障碍物模型的碰撞检查。我们在3DOF机器人航天器测试平台上验证了gPC-SCP方法的有效性。4. Autonomous exploration with online learning of traversable yet visually rigid obstacles 一作：M Pragr期刊/会议：AUTONOMOUS ROBOTS(AURO)时间：2022关键字：Mobile robot，Exploration，Active perception，Haptic sensing，Gaussian Process regression摘要：本文涉及地形属性的在线学习，结合触觉和外感传感来推理通过视觉上看起来是无法穿越的障碍物的地形所需的力量。地形学习是在自主探索的背景下研究的。我们建议通过主动感知来预测潜在障碍物的可穿越性，在观察到的几何环境模型和故意取样的力之间建立联系，以通过机器人前面的地形，使用触觉传感器探测地形。所开发的解决方案在在线学习和力的预测中使用了高斯过程回归器。机器人通过遵循信息增益进行导航，以提高穿越能力和空间模型。所提出的方法已经在多腿行走机器人的完全自主探索中得到了实验验证。机器人被导航通过视觉上的障碍物，并探索 "隐藏 "区域，同时遵循预期的信息增益来探索任务区的地形属性。5. Efficient Exploration in Crowds by Coupling Navigation Controller and Exploration Planner 一作：Zheng ZQ期刊/会议：IEEE ROBOTICS AND AUTOMATION LETTERS(RA-L)时间：2022关键字：Collision avoidance, ENVIRONMENTS，motion and path planning摘要：在有移动行人的场景中进行自主探索，对于在商场、机场和博物馆等人口密集的地方部署自主移动机器人至关重要。动态障碍物的存在对实现高效、安全和稳健的探索系统提出了挑战：机器人可能会被行人卡住而无法在场景覆盖方面取得进展；它可能会与人类相撞并伤害他们；人类与机器人的碰撞会使探索过程失败，或者在同步定位和绘图（SLAM）中造成巨大的漂移和伪影。在这项工作中，我们提出了一个可以解决这些挑战的框架，该框架将一个强化学习的导航控制器和一个带有恢复计划器的分层探索计划器紧密结合起来。导航控制器提供了一个描述机器人周围人群分布的价值函数，这将被探索计划器和恢复计划器所利用，以尽量减少人类与机器人的干扰。我们在一组有行人的室内基准上对所提出的探索框架与几种方法进行了评估，验证了我们的方法在探索效率、导航安全和SLAM质量方面的优势。 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |