Dieses Papier führt den Begriff des Führungsraums ein, um die implizite Führung in verschiedenen Algorithmen zur Bewegungsplanung zu formalisieren. Es präsentiert eine informationstheoretische Methode zur Bewertung der Führungsqualität und zeigt, wie diese Perspektive Verbesserungen bestehender Methoden und einfache hybride Algorithmen ermöglicht.
Durch die Erweiterung des LPV-DS-Frameworks auf SE(3) können Bewegungstrajektorien für Position und Orientierung effizient und robust gelernt und gesteuert werden, wobei die Beziehung zwischen beiden Komponenten erhalten bleibt.
Eine kinematisch modulare Steuerungsarchitektur, die auf elementaren dynamischen Aktionen basiert, kann die Erzeugung einer vielfältigen Palette von Roboterbewegungen vereinfachen, indem grundlegende Bewegungsmodule kombiniert werden. Dieser Ansatz vermeidet Probleme wie die Lösung der inversen Kinematik, den Umgang mit kinematischen Singularitäten und Redundanzen und ist robust gegenüber Kontakt und physischer Interaktion.
Der Artikel präsentiert einen Inverse-Kinematik-Löser namens IKSPARK, der Lösungen für Roboter mit verschiedenen Strukturen, einschließlich offener/geschlossener kinematischer Ketten, Kugel-, Dreh- und/oder Prismengelenken, finden kann. Der Löser arbeitet im Raum der Rotationsmatrizen der Gliedmaßenreferenzrahmen und beinhaltet nur konvexe semidefinite Probleme (SDPs).
PINSAT kombiniert eine parallelisierte diskrete Graphensuche im niedrigdimensionalen Raum mit Trajektorienoptimierung im volldimensionalen Raum, um die Vorteile beider Ansätze zu nutzen - die Fähigkeit der Graphensuche, nicht-konvexe Räume zu durchsuchen und kombinatorische Teile des Problems zu lösen, und die Fähigkeit der Trajektorienoptimierung, lokal optimale Lösungen zu erhalten, die nicht an Diskretisierung gebunden sind.
PINSAT kombiniert eine parallelisierte diskrete Graphensuche im niedrigdimensionalen Raum mit Trajektorienoptimierung im volldimensionalen Raum, um die Vorteile beider Ansätze zu nutzen - die Fähigkeit der Graphensuche, nicht-konvexe Räume zu durchsuchen und kombinatorische Teile des Problems zu lösen, und die Fähigkeit der Trajektorienoptimierung, lokal optimale Lösungen zu erhalten, die nicht an Diskretisierung gebunden sind.