多机器人轨迹去噪

内容摘要

多机器人轨迹规划面临非凸、多模态和高维搜索难题。论文在D4ORM基础上扩展规划架构，以扩散去噪优化轨迹形变：通过蒙特卡洛梯度近似，引导联合控制轨迹的增量更新，无需训练神经网络或提供解析梯度。

为适应不同运行条件，作者提出三种变体：D4ORM-D按失败机器人分组，迭代修复碰撞或未到达目标的轨迹；D4ORM-C2F以离线粗轨迹引导在线滚动时域规划；D-D4ORM让多个计算节点交换候选轨迹，支持分布式计算。

作者报告，在50次运行的二维全向、无障碍16机器人测试中，基础D4ORM均在3秒期限内找到动力学可行且无碰撞的轨迹，平均耗时约1.25秒。基础评测使用Core i9-13900HX与RTX 4080，每步采样1024条轨迹。论文另展示十架真实多旋翼在障碍物环境中的零样本部署、100个仿真机器人的冲突消解，以及六台地面机器人的机载分布式持续任务运行；后者仍通过Wi-Fi接收外部动捕定位。

点评

将无需学习的扩散去噪作为轨迹优化工具，并扩展为解耦、在线和分布式规划，为不同规模与计算条件下的多机器人协调提供方法选择。

结果属于作者论文评测。作者指出，该系列不面向迷宫式密集障碍规划，并依赖快速碰撞检测；非凸机器人外形可能使检测成为瓶颈。机载演示不等于摆脱外部定位。

原文与定位

• 原文链接 page:1；page:3；page:11；page:11；page:3；page:13；page:9；page:9；page:9；page:1；page:16；page:17