Dual-Arm Whole-Body Motion Planning: Leveraging Overlapping Kinematic Chains

📄 arXiv: 2511.08778v1 📥 PDF

作者: Richard Cheng, Peter Werner, Carolyn Matl

分类: cs.RO

发布日期: 2025-11-11

备注: Published in Humanoids 2025

💡 一句话要点

利用重叠运动链，为双臂机器人提出快速全身运动规划方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 双臂机器人 运动规划 动态路标图 维度灾难 全身运动

📋 核心要点

  1. 高自由度双臂机器人在复杂环境中运动规划面临维度灾难和复杂的避障约束。
  2. 利用双臂机器人共享关节的结构，分别构建动态路标图，降低搜索空间维度。
  3. 在真实杂货店场景下，19自由度机器人实验验证了规划器的高效性和高成功率。

📝 摘要（中文）

本文针对高自由度双臂机器人在未知、变化环境中实时运动规划的挑战，提出了一种新颖的方法来缓解维度灾难。该方法利用双臂机器人共享关节（如躯干关节）所带来的结构。首先，为每个运动链（即左臂+躯干、右臂+躯干）构建具有特定结构的动态路标图（DRM）。然后，证明可以利用这种结构有效地搜索两个路标图的组合，从而在很大程度上避免维度灾难。最后，在真实的杂货店环境中，使用一个19自由度的移动操作机器人执行杂货履行任务，实验结果表明，该运动规划器平均规划时间为0.4秒，成功率超过99.9%（超过2000个运动规划）。

🔬 方法详解

问题定义：双臂机器人在未知、动态环境中进行全身运动规划，由于其高自由度和复杂的避障约束，导致计算复杂度极高，传统的运动规划方法难以满足实时性要求，面临维度灾难的挑战。现有方法难以有效利用双臂机器人自身的结构特点，导致搜索效率低下。

核心思路：论文的核心思路是利用双臂机器人共享关节（如躯干）所带来的结构信息，将高维的全身运动规划问题分解为两个较低维度的运动规划问题。通过分别规划两个运动链（左臂+躯干，右臂+躯干）的运动，然后将这两个运动组合起来，从而避免直接在高维空间中搜索，降低了计算复杂度。

技术框架：该方法主要包含以下几个阶段： 1. 动态路标图构建：为每个运动链（左臂+躯干，右臂+躯干）构建动态路标图（DRM），DRM的结构由共享关节决定。 2. 路标图组合：利用共享关节的结构信息，将两个DRM组合成一个更大的搜索空间。 3. 路径搜索：在组合后的搜索空间中，寻找从起始状态到目标状态的路径。 4. 运动执行：将规划的路径转化为机器人的运动指令，控制机器人执行任务。

关键创新：该方法最重要的创新点在于利用了双臂机器人自身的结构信息（共享关节）来降低运动规划的维度。与传统的全局运动规划方法相比，该方法能够更有效地利用机器人的结构特点，从而提高规划效率和实时性。与分别规划双臂运动的方法相比，该方法考虑了躯干的运动，能够实现更灵活的全身运动。

关键设计：论文中没有详细描述具体的参数设置、损失函数或网络结构等技术细节。动态路标图（DRM）的构建方式和路标点之间的连接方式是影响规划效率的关键因素，但论文中没有给出具体的设计细节。如何有效地组合两个DRM，以及如何在组合后的搜索空间中进行高效的路径搜索，也是需要仔细设计的关键环节。

📊 实验亮点

在真实的杂货店环境中，使用19自由度的移动操作机器人执行杂货履行任务，该运动规划器实现了平均0.4秒的规划时间，成功率高达99.9%（超过2000次运动规划）。实验结果表明，该方法能够有效地解决高自由度双臂机器人在复杂环境中的实时运动规划问题。

🎯 应用场景

该研究成果可应用于各种需要双臂机器人协同操作的场景，例如：智能仓储、自动化装配、医疗康复、家庭服务等。通过提高双臂机器人的运动规划效率和实时性，可以使其更好地适应动态变化的环境，完成更加复杂的任务，从而提升生产效率和服务质量，具有重要的实际应用价值和广阔的发展前景。

📄 摘要（原文）

High degree-of-freedom dual-arm robots are becoming increasingly common due to their morphology enabling them to operate effectively in human environments. However, motion planning in real-time within unknown, changing environments remains a challenge for such robots due to the high dimensionality of the configuration space and the complex collision-avoidance constraints that must be obeyed. In this work, we propose a novel way to alleviate the curse of dimensionality by leveraging the structure imposed by shared joints (e.g. torso joints) in a dual-arm robot. First, we build two dynamic roadmaps (DRM) for each kinematic chain (i.e. left arm + torso, right arm + torso) with specific structure induced by the shared joints. Then, we show that we can leverage this structure to efficiently search through the composition of the two roadmaps and largely sidestep the curse of dimensionality. Finally, we run several experiments in a real-world grocery store with this motion planner on a 19 DoF mobile manipulation robot executing a grocery fulfillment task, achieving 0.4s average planning times with 99.9% success rate across more than 2000 motion plans.