Constrained Sampling-Based MPC Using Path Integral for Collision-Free Robot Manipulation

Xingfang Wang

doi:10.1109/TSMC.2025.3611922

Constrained Sampling-Based MPC Using Path Integral for Collision-Free Robot Manipulation

0

PRE

AI

DOI：10.1109/TSMC.2025.3611922

原文链接

原文求助

摘要

En 中文

人机交互中动态且未知的人类行为使得无碰撞的机器人操作具有挑战性。尽管基于采样的模型预测控制（MPC）在上述场景中实现了实时控制，但由于采样扰动，难以处理等式硬约束，例如沿指定轨迹工作。为在多重约束下提升操作性能，本文提出了一种基于路径积分的新型约束采样MPC（CSMPC）方法。首先，采用结合策略采样投影和拉格朗日乘子法的分层优化，用于处理高精度操作任务中的等式硬约束。其次，避障和运动平滑性被建模为不等式软约束，其中通过碰撞检测和时间序列预测来确保动态交互的安全性和平滑性。最后，构建了一种自适应噪声方法以提升物理机器人操作的稳定性。仿真和实验结果证明，所提方法使7-DOF机器人操作臂能够在避开动态障碍物的同时实现精确操作。

Keyword:

Collision avoidance

model predictive control (MPC)

optimal control

robot manipulation

sampling-based planning

Constrained Sampling-Based MPC Using Path Integral for Collision-Free Robot Manipulation

摘要

期刊

机构

引用论文