.png){kind=icon}
返回
Optimization-Based Collision Avoidance
.png){kind=icon}
OA
AI
DOI：10.1109/TCST.2019.2949540.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的方法，该方法使用凸优化的强对偶将不可微的避免碰撞约束精确地重新表述为光滑，可微的约束。我们专注于一个受控对象，其目标是在n维空间中移动时避开障碍物。拟议的重新表述是精确的，不引入任何近似值，并且适用于可以表示为凸集并集的一般障碍物和受控对象。我们将结果与带符号距离的概念联系起来，该概念已广泛用于传统的轨迹生成算法中。我们的方法可以应用于通用导航和轨迹规划任务，并且平滑度属性允许使用通用的基于梯度和基于Hessian的优化算法。最后，如果无法避免碰撞，我们的框架使我们能够找到以穿透力衡量的最小侵入轨迹。我们证明了我们的框架在自动停车问题上的功效，其中我们的数值实验表明，所提出的方法是鲁棒的，并且能够在紧凑的环境中实现基于实时优化的轨迹规划。我们的示例代码在 https://github.com/XiaojingGeorgeZhang/OBCA. 提供
Keyword:
Collision avoidance
Trajectory
Optimization
Planning
Aerospace electronics
Robots
Navigation
Autonomous driving
collision avoidance
model predictive control (MPC)
navigation in tight environments
nonlinear optimization
obstacle avoidance
path planning
trajectory optimization
期刊
IF:
3.9
论文数:
4.9K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
Does it take older adults longer than younger adults to perceptually segregate a speech target from a background masker?在感知上将语音目标与背景掩蔽器隔离开来是否需要老年人比年轻人更长的时间？
PREAI
分享收藏
查看更多内容