Core Concepts
Effiziente Bewegungsplanung durch Lernen von Hindernisunsicherheit für sichere Autonomie in dynamischen Umgebungen.
Abstract
Das Manuskript präsentiert eine Methode zur sicheren Bewegungsplanung für Robotersysteme in dynamischen Umgebungen. Durch das Lernen von Hindernisunsicherheiten wird eine effiziente und robuste Bewegungsplanung ermöglicht. Die vorgestellte Methode wird anhand von Simulationen und Hardware-Experimenten an einem Auto-ähnlichen mobilen Roboter demonstriert.
- Einleitung: Sicherheitsrelevante Bewegungsplanung in dynamischen Umgebungen.
- Hauptbeiträge: Lernen des beabsichtigten Steuerungssatzes von Hindernissen, Entwicklung eines robusten prädiktiven Bewegungsplaners, Validierung der Methode in Simulationen und Experimenten.
- Verwandte Arbeit: Robuste Vorhersage von Unsicherheiten dynamischer Systeme, Unsicherheitsbewusste Bewegungsplanung in zeitlich variierenden Umgebungen.
- Problemstellung: Lernen des unbekannten beabsichtigten Steuerungssatzes von Hindernissen, Vorhersage der zukünftigen Besetzung von Hindernissen, Planung einer optimalen Referenztrajektorie für sichere Bewegungsplanung.
- Simulationen: Vergleich der Leistung der vorgeschlagenen Methode mit robustem MPC und deterministischem MPC in einem Reach-Avoid Szenario.
Stats
In diesem Papier wird ein effizientes, robustes und sicheres Bewegungsplanungsalgorithmus entwickelt.
Die Bewegungsplanung basiert auf dem Lernen von Hindernisunsicherheiten.
Die Methode wird an einem Auto-ähnlichen mobilen Roboter demonstriert.
Quotes
"Sichere Bewegungsplanung ist ein wichtiges Forschungsthema in der Steuerung und Robotik."
"Die Methode ermöglicht eine resilientere Bewegungsplanung in Abwesenheit von Vorwissen über Hindernisunsicherheiten."