基于 RRT* 的连续体机器人高效轨迹规划方法——ICRA 2024 入选论文

基于 RRT* 的连续体机器人高效轨迹规划方法——ICRA 2024 入选论文

在机器人领域，运动规划是实现机器人自主导航的关键技术。近年来，基于快速探索随机树（RRT）的运动规划算法因其简单性、适应性和处理动态变化的能力而受到广泛关注。然而，将这类算法应用于连续体机器人仍面临诸多挑战。近期发表在ICRA 2024的一篇论文提出了一种基于RRT*的连续体机器人运动控制方法，通过结合优化-雅各布矩阵方法，实现了在动态环境中的安全高效导航。

运动规划算法对机器人导航至关重要，需要同时兼顾地图信息、环境特征、速度限制和动态障碍物。预测性运动规划算法会会考虑机器人当前的状态，并使用传感器数据和环境模型来预测其周围环境的变化，旨在实现特定的目标，如避免碰撞、减少行程时间、节省能源等。

预测性运动规划算法通常结合了基于采样的算法，如快速探索随机树（RRT），以及其高级版本 RRT*。这些算法以其简单性、适应性和处理动态变化的能力而著称，广泛应用于机器人、自动驾驶汽车和工业自动化等多个领域，提高了复杂环境下的安全性和效率。

两段式连续体机器人

尽管基于采样的方法（如 RRT* 和 PRM）已广泛应用于机器人运动规划，但很少有人尝试将其应用于连续机械臂。由于连续体机器人具有实时适应障碍物的能力，因此需要强大的感知、决策和控制能力，以确保安全高效的导航。

为了应对这一挑战，本研究提出一种独特的基于 RRT* 的运动控制方法，该方法专为连续体机器人量身定制。该方法利用基于优化-雅各布矩阵的方法来实现机器人的稳健控制。通过约束机器人的雅各布矩阵来确保机器人与障碍物之间的安全距离，从而促进有效的几何避障。

此外，还提出了一种将基于优化-雅各布矩阵的方法与 RRT* 相结合的控制算法，以提高连续体机器人在动态环境中的适应性和效率。

实验验证

机器人从起点到终点的无碰撞路径

使用两段式电缆驱动软体（连续体）机器人 (CDSR)对所提方法的效果进行验证。实验中使用NOKOV度量动作捕捉镜头标记跟踪机器人的底座、近端节段顶端和远端节段末端的位置，以及机器人在预定路径上航行时的位置和相关动作。

这些记录数据揭示了机器人实际位置与预测位置之间的差异，为了解机器人的配置提供了依据。使用所提方法，机器人可以迅速计算出从初始位置到目标位置的无碰撞轨迹，并成功绕过障碍物。平均规划时间约为 8.06 秒，计划位置与实际到达位置之间的尖端跟踪误差约为 5.48 毫米。

该方法保证了安全、快速的响应轨迹生成，具有在严苛场景下的鲁棒性，具有实际应用价值。

参考文献：
Luo, Peiyu, Shilong Yao, Yiyao Yue, Jiankun Wang, Hong Yan, and Max Q-H. Meng. "Efficient RRT*-based Safety-Constrained Motion Planning for Continuum Robots in Dynamic Environments." arXiv preprint arXiv:2309.13813 (2023).