麻省理工學(xué)院計算機科學(xué)和人工智能實驗室的研究人員最近開發(fā)了一種機會受限的運動計劃系統(tǒng)，該系統(tǒng)可應(yīng)用于運動不確定性以及狀態(tài)信息不完善的情況下的高自由度(DOF)機器人。在arXiv上預(yù)先發(fā)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(xiàn)有機會受限運動計劃者的限制。” “我發(fā)現(xiàn)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(lǐng)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(fā)展探索隨機樹(RRT)方法，其中高維計劃任務(wù)的速度非常重要。”

為了解決現(xiàn)有運動計劃系統(tǒng)的局限性，Dai和她的同事著手開發(fā)一種快速反應(yīng)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(wù)的機器人特別有用。

他們創(chuàng)建的概率Chekov(p-Chekov)系統(tǒng)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(yōu)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(guī)劃方法來估計機器人的狀態(tài)概率分布。然后，將正交理論應(yīng)用于路點碰撞風(fēng)險估計，并調(diào)整風(fēng)險分配方法，以將可允許的故障概率分配給路點。

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