欢迎浏览我公司网站！！
公司动态
路径规划(二) —— 轨迹优化(样条法) & 局部规划(人工势能场法) & 智能路径规划(生物启发(蚁群&RVO) & 强化学习)
时间: 2024-06-04浏览次数：
?样条法样条法能满足机器人的动力学约束：使得轨迹本身/一阶导数/二阶导数连续样条就是广义的函数和曲线?方法：分段函数+连续性限制一般来讲使用三次样条每一个样条段连接两个路径上的离散的点??为什么需要局部规划???因为规划算法必须权衡精度和全局性???对于局部情况，机器人往往有更好的认知：比如激光雷达能够实时反映局部的障碍物分布。对于规避动态障碍物，往往要依赖局部规划算法。???
?
样条法
样条法能满足机器人的动力学约束：使得轨迹本身/一阶导数/二阶导数连续
样条就是广义的函数和曲线
?
方法：分段函数 + 连续性限制
一般来讲使用三次样条
每一个样条段连接两个路径上的离散的点
?
?
为什么需要局部规划
? ? ? 因为规划算法必须权衡精度和全局性
? ? ? 对于局部情况，机器人往往有更好的认知：比如激光雷达能够实时反映局部的障碍物分布。对于规避动态障碍物，往往要依赖局部规划算法。
? ? ? 全局规划算法更加考虑连通性，局部规划算法更加考虑动力学上的可行性。
?
人工势能场法
样条法的延申
定义一个势能函数，把最小化这个势能函数作为目标函数
目的：利用高势能表示障碍物或者惩罚区域，低势能表示奖励区域或者平坦的地区
有障碍物的地方附近势能高
离目标越远的地方势能高，离目标越近的地方势能低
?
?
?
蚁群算法
?
RVO算法
Reciprocal Velocity Obstacles，障碍物规避算法
?
强化学习
?
?
?
?
?
