arrow
返回

DaSP-RRT: Data-Driven Safe Performance-Aware Motion Planning

delete2025-09-01
delete0
delete
OA
AI
N
Nariman Niknejad
R
Ramin Esmzad
T
Teawon Han
G
Gokul S. Sankar
H
Hamidreza Modares
DOI:10.1109/LRA.2025.3595041delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
本论文提出了一种基于数据驱动的安全运动规划方法——DaSP-RRT,该方法通过利用不变集来生成具有保证最优性的无碰撞路径。所提出的规划器利用可用数据及一种新的控制设计方法,构建了一系列性能感知不变集。这些集合以随机生成的路点为中心,随后将路点连接起来,形成从初始点到目标点的连续路径。对于每个路点,一个优化问题确定最大的性能感知不变集并学习其对应的控制器。该算法的一个关键特性是其整合了连接路点间的性能可达性,利用可用资源和系统信息来最小化频繁重规划的必要性。DaSP-RRT的有效性通过在全方位轮式机器人上的实际实现以及航天器运动规划的仿真得到了验证。这些包含避障的场景,突显了该算法在实用、现实世界应用中的潜力。
Keyword:
Motion planning
invariant sets
linear matrix inequalities (LMIs)
optimization
optimal control
safe control

期刊

I
IEEE Robotics and Automation Letters
IF:
5.3
论文数:
1.9K
被引数:
3.9W

机构

F
Ford Motor Company
学者数:
1.1K
论文数: 975
被引数: 2
M
michigan state university
学者数:
3.6W
论文数: 3.2W
被引数: 44
引用论文

引用论文

Using Graphs of Convex Sets to Guide Nonconvex Trajectory Optimization
err
IF0
err2024-10-14
err0
PREAI
errDavid von Wrangel; Russ Tedrake
err分享
err收藏
Towards Optimizing a Convex Cover of Collision-Free Space for Trajectory Generation
err
IF0
err2025-05-01
err0
PREAI
errYuwei Wu; Igor Spasojevic; Pratik Chaudhari; Vijay Kumar
err分享
err收藏
err分享
err收藏
LQR-trees: Feedback Motion Planning via Sums-of-Squares Verification
err2010-04-22
err345
errOAAI
errTedrake, Russ; Manchester, Ian R.; Tobenkin, Mark; Roberts, John W.
err分享
err收藏
学者 查看更多内容