机构名称：
¥ 1.0
摘要 - 机器人技术的快速进步需要用于在动态和不确定环境中开发和测试安全控制体系结构的Ro-Bust工具。确保机器人技术的安全性和可靠性，尤其是在关键安全应用中，至关重要，推动了实质性的工业和学术努力。在这种情况下，我们扩展了Python/ROS2工具箱CBF套件，该工具箱现在使用Ax-Avoid规范作为成本函数结合了计划者。与模型预测路径积分（MPPI）控制器的集成使工具箱能够满足复杂的任务，同时确保使用控制屏障功能（CBF）的各种不确定性来源的正式安全保证。CBF试剂盒针对使用JAX进行自动分化的速度和二次程序求解的JAXOPT进行了优化。该工具箱支持各种机器人应用，包括辅助导航，人类机器人相互作用和多机器人协调。该工具箱还提供了全面的计划者，控制器，传感器和估算器实现的库。通过一系列示例，我们证明了在不同机器人方案中CBF套件的增强功能。
模型预测路径积分方法具有触及 - 远程任务和控制障碍功能
主要关键词
相关文件推荐
