Informed Circular Fields for Global Reactive Obstacle Avoidance of Robotic Manipulators

要約

本論文では、複雑な動的環境におけるロボットマニピュレータのためのグローバルな反応的運動計画フレームワークを示す。特に、Beckerら(2021)の円形場予測(CFP)プランナを、ロボットマニピュレータの構造全体の障害物回避を保証するために拡張する。この目的に向けて、任意の構成空間運動プランナからの有望な回避方向に関する大域的情報を活用する運動計画フレームワークが開発され、動的な障害物を反応的に回避しつつ、大域的な軌道を改善し、必要な計算能力を減少させる。得られた運動計画フレームワークは、複雑で動的な障害物を含む複数のシミュレーションでテストされ、既存の運動計画アプローチと比較して大きな可能性を示す。

要約(オリジナル)

In this paper a global reactive motion planning framework for robotic manipulators in complex dynamic environments is presented. In particular, the circular field predictions (CFP) planner from Becker et al. (2021) is extended to ensure obstacle avoidance of the whole structure of a robotic manipulator. Towards this end, a motion planning framework is developed that leverages global information about promising avoidance directions from arbitrary configuration space motion planners, resulting in improved global trajectories while reactively avoiding dynamic obstacles and decreasing the required computational power. The resulting motion planning framework is tested in multiple simulations with complex and dynamic obstacles and demonstrates great potential compared to existing motion planning approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL