.png){kind=icon}
返回
Motion planning for hybrid dynamical systems: Framework, algorithm template, and a sampling-based approach
.png){kind=icon}
PRE
AI
DOI：10.1177/02783649241312695.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文关注同时具有连续和离散行为的系统的运动规划问题，我们将其称为混合动力系统。首先，利用混合方程框架对混合系统的运动规划问题进行建模，该框架通用性强，能够涵盖大多数混合系统。其次，提出了一种传播算法模板，用于描述求解混合系统运动规划问题的一般框架。第三，设计了快速探索随机树（RRT）的实现方案，以求解混合系统的运动规划问题。在每次迭代中，所提出的算法（称为HyRRT）随机选取一个状态样本，并通过流或跃迁扩展搜索树，当两种模式均可行时，流或跃迁的选择也是随机的。通过定义在混合时间域上定义的函数的连接，我们证明了HyRRT具有概率完备性，即随着算法迭代次数的增加，无法找到运动规划的概率趋近于零。该性质在运动规划定义数据满足温和条件时得到保证，这些条件包括对文献中经典系统所施加的常规正余量假设的放宽。运动规划通过求解两个优化问题得到，其中一个与系统的流相关，另一个与系统的跃迁相关。所提出的算法被应用于一个带驱动的弹跳球系统和步行机器人系统，以突出其通用性和计算特性。
Keyword:
Hybrid systems
motion planning
RRT algorithm
probabilistic completeness
期刊
IF:
5
论文数:
2.4K
被引数:
1.5W
机构
引用论文
.png){kind=icon}
分享收藏Kinodynamic RRTs with Fixed Time Step and Best-Input Extension Are Not Probabilistically Complete
PREAI
分享收藏分享收藏Finding a needle in an exponential haystack: Discrete RRT for exploration of implicit roadmaps in multi-robot motion planning在指数大海捞针中找到针: 离散RRT用于探索多机器人运动计划中的隐式路线图
OAAI
OAAI分享收藏
查看更多内容