.png){kind=icon}
返回
A Gradient Descent-Based Backend Feedback Adaptive Motion Planning Algorithm for Autonomous Mobile Robots
.png){kind=icon}
PRE
AI
DOI：10.1109/TCDS.2024.3519319.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种面向自主移动机器人的创新运动规划算法，特别针对四旋翼无人机（UAVs），采用了梯度下降增强的前端与后端架构。针对前端部分，提出了一种轨迹规划算法，该算法依赖后端优化反馈和记忆的跳跃点。该算法基于跳跃点搜索（JPS）算法，并引入了障碍物表和跳跃点表。提出了一种新的启发式函数，强调障碍物比例的权重，以避免陷入局部最优路径。在后端轨迹优化部分，提出了一种基于梯度下降的后端时空轨迹优化方法，并设计了优化目标函数以确保UAV轨迹的平滑性和安全性。仿真结果表明，本文提出的算法与基于ESDF的方法和EGO-planner相比，在提升实时性能和环境适应性方面具有显著优势。实际飞行实验表明，所提算法能够避免UAV在路径规划过程中陷入局部最优。值得注意的是，所提出的方法论在为其他自主机器人进行路径规划方面也展现出应用前景。
Keyword:
Gradient descent
motion planning
quadrotor unmanned aerial vehicle (UAV)
real time
期刊
IF:
4.9
论文数:
1.1K
被引数:
3.5K
机构
引用论文
Teach-Repeat-Replan: A Complete and Robust System for Aggressive Flight in Complex EnvironmentsTeach-Repeat-Replan: 在复杂环境中进行激进飞行的完整而强大的系统
OAAI
OAAI分享收藏RACER: Rapid Collaborative Exploration With a Decentralized Multi-UAV SystemRACER: 使用分散式多无人机系统进行快速协作探索
OAAI
OAAI分享收藏A Path-Planning Method Considering Environmental Disturbance Based on VPF-RRT*基于vpf-rrt * 的考虑环境扰动的路径规划方法.png)
DRONESOAAI
DRONESIF4.8
OAAI分享收藏
查看更多内容