Multi-directional Safe Rectangle Corridor-Based MPC for Nonholonomic Robots Navigation in Cluttered Environment

📄 arXiv: 2512.13215v1 📥 PDF

作者: Yinsong Qu, Yunxiang Li, Shanlin Zhong

分类: cs.RO

发布日期: 2025-12-15

备注: 9 pages, 11 figures, conference paper for the 2025 International Conference on Advanced Robotics and Mechatronics (ICARM), accepted

💡 一句话要点

提出基于多方向安全矩形走廊的MPC方法，解决非完整机器人复杂环境导航问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自主移动机器人 模型预测控制 非完整约束 安全导航 路径规划

📋 核心要点

  1. 现有AMR在复杂环境中导航面临非完整约束、混合静态/动态障碍物交互以及非凸约束等挑战。
  2. 论文提出ISMPC框架，利用多方向安全矩形走廊编码自由空间，并结合障碍函数实现静态和动态避障。
  3. 实验结果表明，该框架显著提升了自由空间利用率（41.05%），并保持了实时的计算性能（3ms）。

📝 摘要（中文）

本文提出了一种改进的序列模型预测控制（ISMPC）导航框架，旨在解决自主移动机器人在复杂、半结构化环境中导航的挑战。该框架将导航任务系统地重构为序列切换最优控制问题，并通过两项关键创新解决上述挑战：1）实施多方向安全矩形走廊（MDSRC）算法，通过矩形凸区域编码自由空间以避免与静态障碍物碰撞，消除冗余计算负担并加速求解器收敛；2）提出了一种集成了走廊约束和障碍函数约束的序列MPC导航框架，以实现静态和动态避障。ISMPC导航框架能够为AMR直接生成速度，简化了传统导航算法架构。对比实验表明，该框架在自由空间利用率方面表现出优越性（平均走廊面积增加了41.05％），同时保持了实时的计算性能（平均走廊生成延迟为3毫秒）。

🔬 方法详解

问题定义：论文旨在解决非完整约束移动机器人在复杂、拥挤环境中安全高效导航的问题。现有方法通常计算复杂度高，难以在动态环境中实现实时避障，并且对自由空间的利用率较低。这些问题限制了AMR在工业应用中的部署。

核心思路：论文的核心思路是将复杂的导航问题分解为一系列序列最优控制问题，通过构建安全走廊来约束机器人的运动，并利用模型预测控制（MPC）在走廊内进行轨迹优化。这种方法能够有效地处理非完整约束，同时保证安全性和实时性。

技术框架：ISMPC导航框架主要包含以下几个模块：1）多方向安全矩形走廊（MDSRC）生成器：用于生成一系列矩形凸区域，构成安全走廊；2）序列MPC控制器：在安全走廊的约束下，利用MPC算法生成最优的速度控制指令；3）障碍函数：用于处理动态障碍物，防止碰撞。整个框架通过序列切换最优控制问题进行迭代求解，直到达到目标位置。

关键创新：论文的关键创新在于MDSRC算法和序列MPC框架的结合。MDSRC算法能够高效地编码自由空间，减少计算量，并提高自由空间的利用率。序列MPC框架能够有效地处理静态和动态障碍物，保证机器人的安全性和实时性。与传统的基于栅格地图或采样的方法相比，该方法具有更高的效率和更好的性能。

关键设计：MDSRC算法的关键设计在于如何选择矩形的方向和大小，以最大化自由空间的利用率。论文采用了一种启发式搜索算法来寻找最优的矩形参数。序列MPC框架的关键设计在于如何平衡安全性和效率。论文采用了一种加权障碍函数来惩罚与障碍物的距离，并调整权重来控制避障的积极程度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的ISMPC导航框架在自由空间利用率方面优于现有方法，平均走廊面积增加了41.05%。同时，该框架保持了实时的计算性能，平均走廊生成延迟仅为3毫秒。这些结果验证了该框架在复杂环境中实现安全高效导航的有效性。

🎯 应用场景

该研究成果可广泛应用于工业自动化、仓储物流、服务机器人等领域。通过提高AMR在复杂环境中的导航能力，可以显著提升生产效率、降低运营成本，并为实现更智能化的自动化系统奠定基础。未来，该技术有望扩展到更多类型的机器人平台，并应用于更复杂的场景。

📄 摘要（原文）

Autonomous Mobile Robots (AMRs) have become indispensable in industrial applications due to their operational flexibility and efficiency. Navigation serves as a crucial technical foundation for accomplishing complex tasks. However, navigating AMRs in dense, cluttered, and semi-structured environments remains challenging, primarily due to nonholonomic vehicle dynamics, interactions with mixed static/dynamic obstacles, and the non-convex constrained nature of such operational spaces. To solve these problems, this paper proposes an Improved Sequential Model Predictive Control (ISMPC) navigation framework that systematically reformulates navigation tasks as sequential switched optimal control problems. The framework addresses the aforementioned challenges through two key innovations: 1) Implementation of a Multi-Directional Safety Rectangular Corridor (MDSRC) algorithm, which encodes the free space through rectangular convex regions to avoid collision with static obstacles, eliminating redundant computational burdens and accelerating solver convergence; 2) A sequential MPC navigation framework that integrates corridor constraints with barrier function constraints is proposed to achieve static and dynamic obstacle avoidance. The ISMPC navigation framework enables direct velocity generation for AMRs, simplifying traditional navigation algorithm architectures. Comparative experiments demonstrate the framework's superiority in free-space utilization ( an increase of 41.05$\%$ in the average corridor area) while maintaining real-time computational performance (average corridors generation latency of 3 ms).