机构名称：
¥ 1.0
机器学习和计算机视觉领域的最新进展显着增强了机器人的感知能力[1]，为新的机器人应用开辟了可能性。然而，设计有效整合感知和行动目标的方法仍然是一个不小的挑战。这对协作机器人 [2]、敏捷四旋翼飞行 [3] 和自主安全机器人 [4] 等有前景的机器人应用提出了要求。虽然现有的移动机器人任务（如检查规划[5]和监视[6]）通常需要实现地标的可见性，但在理解和如何在解决视野约束时整合额外的自由度（DOF）方面仍然存在差距。近期，使用零空间投影和阻抗控制的机械手分层跟踪方法 [ 7 ] 虽然相关，但尚未完全解决这一挑战。在本文中，我们主张采用新方法，生成用于导航或操纵的机器人运动，同时有效地实现感知目标。现有的方法主要集中于如何在存在看不见的[8]或动态[9]障碍物的情况下规划机器人运动，或者如何改进漫游车的机器人定位[10,11]。此外，考虑兴趣点约束的方法仅仅依赖于将被跟踪特征的质心保持在图像平面的中心[3,12]。最后，大多数现有的方法都是为无人机设计的[3,9-12]，不能轻易推广到高自由度机器人，如移动机械手或具有运动约束的机器人。我们认为，需要全面考虑感知和运动目标的方法，才能实现有效的多任务机器人——即同时具有感知和行动目标的机器人。我们通过进行实验来支持我们的机器人，这些机器人必须完成基本任务，例如操纵或导航，同时保持对物体的连续监控。等他环境。到
机器人感知规划：挑战与机遇
主要关键词
相关文件推荐
