详细内容或原文请订阅后点击阅览
机器人运动规划的新优化框架
麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的研究人员在组合优化和连续优化之间建立了新的联系，可以为复杂的运动规划难题找到全局解决方案。
来源:MIT新闻 _机器人机器人走出迷宫并不容易。想象一下，机器试图穿过儿童游戏室到达厨房，地板上散落着各种各样的玩具，家具挡住了一些潜在的路径。这个杂乱的迷宫需要机器人计算出到达目的地的最佳路径，而不会撞到任何障碍物。机器人该怎么办？麻省理工学院计算机科学与人工智能实验室 (CSAIL) 研究人员的“凸集 (GCS) 轨迹优化图”算法为这些机器人导航需求提供了一种可扩展、无碰撞的运动规划系统。该方法结合了图搜索（一种在网络中查找离散路径的方法）和凸优化（一种优化连续变量的有效方法，以最小化给定成本），可以快速找到穿越迷宫环境的路径，同时优化机器人的轨迹。 GCS 可以在多达 14 个维度（甚至可能更多）中绘制无碰撞轨迹，旨在改善机器在仓库、图书馆和家庭中的协同工作方式。
方法由 CSAIL 领导的项目始终能够在更短的时间内找到比同类规划器更短的路径，展示了 GCS 在复杂环境中有效规划的能力。在演示中，该系统熟练地引导两个机械臂拿着杯子绕着架子走，同时优化最短的时间和路径。两人的同步动作类似于双人舞蹈，在书柜边缘摇摆而不会掉落物体。在随后的设置中，研究人员移除了架子，机器人交换了喷漆的位置并互相递上一个糖盒。
— 2021 年论文 科学机器人 优化杂志