Adaptive Dual-Headway Unicycle Pose Control and Motion Prediction for Optimal Sampling-Based Feedback Motion Planning
作者: Aykut İşleyen, Abhidnya Kadu, René van de Molengraft, Ömür Arslan
分类: cs.RO, eess.SY
发布日期: 2024-12-13
备注: 12 pages, 7 figures, 1 algorithm, 1 table, an extended version of a paper submitted for publication
💡 一句话要点
提出自适应双航向单轮车位姿控制与运动预测，用于优化采样反馈运动规划。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 单轮车控制 非完整约束 运动规划 位姿控制 双航向控制
📋 核心要点
- 非完整约束移动机器人需要在特定方向上精确规划和控制平移和方向运动，以接近特定位置，这带来了挑战。
- 论文提出一种双航向单轮车位姿控制方法，通过自适应调整航向点和尾航点，引导单轮车到达目标位置并保持正确的方向。
- 数值模拟表明，该方法在生成平滑运动和最小化运动成本方面优于传统方法，验证了其在最优运动规划中的有效性。
📝 摘要（中文）
本文提出了一种新的双航向单轮车位姿控制方法，该方法利用单轮车位姿前方自适应放置的航向点和目标位姿后方的尾航点。单轮车持续跟踪其航向点，而航向点追逐目标位姿的尾航点，尾航点向目标位置的渐近运动引导单轮车以正确的方向接近目标位置。双航向单轮车位姿控制的简单直观的几何构造，能够对闭环单轮车运动轨迹进行显式凸反馈运动预测，从而实现快速准确的安全验证。我们将双航向单轮车控制应用于障碍物周围的最优采样运动规划。数值模拟表明，在使用双航向平移和方向距离的最优单轮车运动规划在生成平滑运动方面明显优于欧几里得平移和余弦方向距离，并能最大限度地减少行进和转弯工作。
🔬 方法详解
问题定义：论文旨在解决非完整约束的单轮车机器人，如何在复杂环境中实现安全、平滑且最优的运动规划问题。现有方法，如基于欧几里得距离和余弦方向距离的规划方法，在生成平滑运动和最小化运动成本方面存在不足，难以满足实际应用需求。
核心思路：核心思路是引入“双航向”的概念，即在单轮车前方设置一个自适应的“航向点”，在目标位姿后方设置一个“尾航点”。单轮车控制系统驱动单轮车跟踪航向点，而航向点则追逐尾航点。尾航点以渐近方式向目标位置移动，从而引导单轮车以正确的方向接近目标位置。这种几何构造简化了控制，并允许显式地计算运动预测边界。
技术框架：整体流程包括：1）定义单轮车、航向点和尾航点的运动学模型；2）设计控制律，使单轮车跟踪航向点，航向点跟踪尾航点；3）基于双航向几何构造，推导闭环系统的运动预测边界；4）将该控制方法集成到采样运动规划器中，用于生成最优轨迹。主要模块包括位姿控制器、运动预测器和采样规划器。
关键创新：最重要的创新在于双航向控制的几何构造。与传统的直接控制单轮车位姿的方法不同，该方法通过引入中间点（航向点和尾航点）来实现间接控制，从而简化了控制设计，并允许显式地计算运动预测边界。这种方法能够更有效地处理非完整约束，并生成更平滑的运动轨迹。
关键设计：关键设计包括：1）航向点和尾航点的位置自适应调整策略，以确保单轮车能够平滑地接近目标位置；2）控制律的设计，需要保证单轮车能够稳定地跟踪航向点，并且航向点能够有效地追逐尾航点；3）运动预测边界的推导，需要基于双航向几何构造，推导出闭环系统的运动轨迹范围，用于安全验证。
🖼️ 关键图片
📊 实验亮点
数值模拟结果表明，使用双航向平移和方向距离的最优单轮车运动规划，在生成平滑运动和最小化运动成本方面，显著优于传统的欧几里得平移和余弦方向距离方法。具体而言，该方法能够生成更短的路径和更小的转弯角度，从而提高运动效率和降低能量消耗。
🎯 应用场景
该研究成果可应用于物流、移动出行和服务行业等领域，例如自动泊车、自主装卸货、以及在狭窄空间内的机器人导航。通过精确控制机器人的位姿和运动轨迹，可以提高工作效率、降低安全风险，并实现更智能化的自动化操作。未来，该方法有望扩展到更复杂的非完整约束机器人系统，并应用于更广泛的场景。
📄 摘要（原文）
Safe, smooth, and optimal motion planning for nonholonomically constrained mobile robots and autonomous vehicles is essential for achieving reliable, seamless, and efficient autonomy in logistics, mobility, and service industries. In many such application settings, nonholonomic robots, like unicycles with restricted motion, require precise planning and control of both translational and orientational motion to approach specific locations in a designated orientation, such as for approaching changing, parking, and loading areas. In this paper, we introduce a new dual-headway unicycle pose control method by leveraging an adaptively placed headway point in front of the unicycle pose and a tailway point behind the goal pose. In summary, the unicycle robot continuously follows its headway point, which chases the tailway point of the goal pose and the asymptotic motion of the tailway point towards the goal position guides the unicycle robot to approach the goal location with the correct orientation. The simple and intuitive geometric construction of dual-headway unicycle pose control enables an explicit convex feedback motion prediction bound on the closed-loop unicycle motion trajectory for fast and accurate safety verification. We present an application of dual-headway unicycle control for optimal sampling-based motion planning around obstacles. In numerical simulations, we show that optimal unicycle motion planning using dual-headway translation and orientation distances significantly outperforms Euclidean translation and cosine orientation distances in generating smooth motion with minimal travel and turning effort.