跳到正文
arXiv cs.AI· Jingtao Tang, Zining Mao, Lufan Yang, Hang Ma·· 4 小时前AI 评分24

基于时空凸集图(ST-GCS)的时空与多机器人运动规划

Spatiotemporal and Multi-Robot Motion Planning on Graphs of Space-Time Convex Sets

AI 导读

研究者提出基于时空凸集图(ST-GCS)的框架,将无碰撞时空用凸集表示,联合优化区域序列与分段线性轨迹的几何和时序,并配合精确凸分解(ECD)处理移动障碍与已规划机器人。该方法集成到优先级多机器人规划中,引入动态窗口调整的窗口化协调以抑制预留导致的图增长。实验显示大规模仿真可在一分钟内协调多达 100 台机器人,并在真实机器人演示中验证了实用性。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:解耦的多机器人运动规划避免了高维联合构型空间,但需要在移动障碍物之间反复进行单机器人规划,其中路径选择与时间安排相互耦合。我们开发了一个基于时空凸集图(ST-GCS)的框架,用于连续时空规划与多机器人协调。ST-GCS 用凸集表示无碰撞的时空,使得区域序列以及分段线性轨迹的几何形状与时间安排能够在速度限制下联合优化。为了纳入移动障碍物和先前已规划的机器人,我们开发了精确凸分解(ECD),它在移除其扫掠占据区域的同时保持凸分解,以供后续规划查询使用。在基于路径的 GCS 搜索基础上,我们开发了一种针对 ST-GCS 运动模型定制的最佳优先求解器,利用时间可达性进行支配剪枝,并使用带有分离或联合搜索键评估的可采纳启发式。预计算的启发式边界还可以在预留更新后的图中复用。我们将 ST-GCS 规划与 ECD 集成到优先级多机器人规划中,并引入带动态窗口调整的窗口化协调,以限制预留导致的图增长。实验表明,在具有挑战性的时空和多机器人问题上,与基于优化和基于采样的规划器相比,该框架具有更好的可扩展性和有竞争力的解质量。大规模仿真可在一分钟内协调多达 $100$ 个机器人,而真实机器人演示展示了该框架的实际适用性。项目主页:this https URL。
学科: 机器人学(cs.RO);人工智能(cs.AI)
引用为: arXiv:2607.00444 [cs.RO]
  (或 arXiv:2607.00444v2 [cs.RO] 用于此版本)
  https://doi.org/10.48550/arXiv.2607.00444

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Jing Tao Tang [查看邮箱]
[v1] 2026年7月1日星期三 04:58:00 UTC(3,543 KB)
[v2] 2026年11月17日星期二 06:59:13 UTC(3,604 KB)

来源:arXiv cs.AI · arxiv.org