高斯不确定性下的机会约束多机器人运动规划
摘要：在高斯运动和传感器噪音存在的情况下，我们考虑了具有机会约束的多机器人运动规划问题。我们提出的算法CC-K-CBS利用了基于动力学冲突搜索（K-CBS）的可扩展性，结合了Belief-A框架中使用的高斯置信树的效率，并继承了Belief-A低级采样规划器的完备性保证。我们还开发了三种不同的机器人-机器人概率碰撞检测方法，以权衡计算和准确性。我们的算法生成运动规划，使每个机器人从其初始状态驱动到目标状态，同时考虑其不确定性的演化，并提供机会约束的安全保证。基准测试比较了碰撞检测器的计算时间与保守性，此外还对规划器的整体性能进行了描述。结果显示CC-K-CBS可扩展到30个机器人。
作者：Anne Theurkauf, Justin Kottinger, Nisar Ahmed, and Morteza Lahijanian
论文ID：2303.11476
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-09