【CMU博士论文】交错离散搜索与连续优化用于运动规划中的动力学运动规划

文章预览

对于动态复杂的机器人任务，运动规划需要在速度、加速度、力/扭矩和运动学等约束条件内进行明确推理，例如避免障碍物。为了满足这些约束，规划算法必须同时进行高层次的离散决策和低层次的连续决策。例如，推动重物涉及对接触位置的离散决策和对细微交互的连续决策。现有的方法要么在通过采样构建的图上搜索，要么系统地对规划空间进行离散化，或优化受微分约束的参数化轨迹。然而，这些方法面临组合复杂性或在长时间范围内缺乏收敛的问题。我们假设这些高层次的离散决策通常位于完整规划空间的低维子空间中。因此，本论文主张，通过在该低维离散空间中交错搜索与在完整规划空间中的选择性推理，我们可以高效地发现全局、长时间范围内、动态丰富的任务能力。 本论文的目标是实现复杂动态系统长时间范围计划的自动发现 ………………………………