具有全局收敛性的连续时间运动规划与转向方法

📋总体概括

arXiv论文GlobMP提出一种连续时间运动规划方法，将规划与对学习型策略输出的修正统一为一个连续时间优化问题：机器人需在整个运动过程中持续避开彼此及静态或动态障碍，同时保持轨迹贴近学习模型给出的提案。方法采用分段多项式曲线，将每条约束表示为每段一个必须全程非负的多项式，并通过梯度投影交替进行代价下降与可行性恢复。作者指出，在平滑代价与逐时刻约束结合时，此前没有算法可证明收敛到全局最优，该工作填补了这一空白，对机器人运动安全与学习策略落地有重要意义。