PWTO: A Heuristic Approach for Trajectory Optimization in Complex Terrains

本文考虑了一个机器人在复杂地形中规划轨迹的问题，该问题涉及到从自主采矿车辆到行星探测器等各种应用。该问题旨在为机器人寻找低成本的动态可行轨迹。由于需要解决一个非线性优化问题，而且由于复杂地形的存在，这个问题往往有许多局部最小值，因此这是一个具有挑战性的问题。为了解决这个问题，我们提出了一种叫做 Pareto-optimal Warm-started Trajectory Optimization (PWTO) 的方法，它试图将图搜索和轨迹优化这两种非常不同的规划方法的优点结合起来。PWTO首先使用机器人的简化动力学创建一个状态图，并利用多目标图搜索方法获得一组路径。然后，每条路径都用于启动局部轨迹优化过程，以便探索不同的局部最小值，以找到全局低成本解决方案。在我们的测试中，PWTO计算出的解决方案成本通常不到基线成本的一半。此外，我们在Gazebo模拟中验证了PWTO生成的轨迹，包括使用轮式和四足机器人在复杂地形中的情况。本文的代码是开源的，可以在https://github.com/rap-lab-org/public_pwto找到。

本文旨在解决机器人在复杂地形中导航时的轨迹规划问题，该问题涉及从自主采矿车到行星漫游器等各种应用。

本文提出了一种名为Pareto-optimal Warm-started Trajectory Optimization（PWTO）的方法，旨在结合图搜索和轨迹优化两种不同的规划方法，以解决非线性优化问题。

本文的亮点在于提出的PWTO方法，该方法在测试中比基线方法的解决方案成本低了一半以上。此外，本文还在Gazebo模拟中验证了PWTO生成的轨迹，包括轮式和四足机器人在复杂地形中的表现。本文的代码已经开源。

最近的相关研究包括： 1. “A survey of motion planning and control techniques for self-driving urban vehicles” 2. “Fast marching tree: A fast marching sampling-based method for optimal motion planning in many dimensions” 3. “Learning to plan from scratch”