用数值方法解决最优控制问题的机器人运动规划。规划可以考虑运动学约束(如位置、速度、加速度、jerk bounds)、动态约束(如机器人刚体动力学包括重力、离心和科里奥利力、惯性力、关节扭矩限制,甚至扭矩变化率限制)和避碰。解决时间在几秒钟之内。
详情见出版:“机器人运动规划的有效轨迹优化”,赵宇,林显忠,Tomizuka Masayoshi, ICARCV 2018。
看到https://github.com/yzhao334/Efficient-Trajectory-Optimization-for-Robot-Motion-Planning--Examples为可用的演示列表。
所需包装:chebfun, CasADi。其他依赖项(STLRead和STLWrite)包括包
机器人运动规划的有效轨迹优化。“2018第十五届控制、自动化、机器人与视觉(ICARCV)国际会议,IEEE, 2018, doi:10.1109/ ICARCV .2018.8581059。
赵昱(2021)。机器人运动规划的有效轨迹优化GitHub (https://github.com/yzhao334/Efficient-Trajectory-Optimization-for-Robot-Motion-Planning--Examples)。检索.