以下內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# IROS 2023|香港大學(xué)、浙大發(fā)布不確定環(huán)境下UAV運(yùn)動(dòng)規(guī)劃的緊碰撞概率

【Tight Collision Probability for UAV Motion Planning in Uncertain Environment】

詳細(xì)說(shuō)明：GitHub - Acmece/IROS2023_Com: Document accompanyin...

文章鏈接：http://arxiv.org/abs/2303.02607

在具有動(dòng)態(tài)障礙和外部干擾的復(fù)雜環(huán)境中操作無(wú)人機(jī)（UAV）存在著巨大的挑戰(zhàn)，主要是由于此類場(chǎng)景中固有的不確定性。 此外，不準(zhǔn)確的機(jī)器人定位和建模錯(cuò)誤進(jìn)一步加劇了這些挑戰(zhàn)。 最近對(duì)靜態(tài)環(huán)境中無(wú)人機(jī)運(yùn)動(dòng)規(guī)劃的研究無(wú)法應(yīng)對(duì)快速變化的環(huán)境，導(dǎo)致軌跡可能不可行。 此外，以前孤立地解決動(dòng)態(tài)障礙或外部干擾的方法不足以處理此類環(huán)境的復(fù)雜情況。

本文提出了一種可靠的無(wú)人機(jī)運(yùn)動(dòng)規(guī)劃框架，將各種不確定性整合到機(jī)會(huì)約束中，以概率的方式表征不確定性。 機(jī)會(huì)約束通過(guò)計(jì)算機(jī)器人的高斯分布前向可達(dá)集與障礙物狀態(tài)之間的碰撞概率來(lái)提供概率安全認(rèn)定。 為了降低計(jì)劃軌跡的保守性，我們提出了碰撞概率的嚴(yán)格上限，并對(duì)其進(jìn)行精確和近似評(píng)估。 近似解用于生成運(yùn)動(dòng)基元作為參考軌跡，而精確解用于迭代優(yōu)化軌跡以獲得更好的結(jié)果。 我們的方法在模擬和真實(shí)場(chǎng)景的實(shí)驗(yàn)中經(jīng)過(guò)了完全的測(cè)試，驗(yàn)證了其在不確定環(huán)境中的可靠性和有效性。

以上內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容