控制与决策

作者：崔冰,李广,胡飞扬,高寒,夏元清

单位：北京理工大学 自动化学院，北京 100081,,北京理工大学 自动化学院，北京 100081,,北京理工大学 自动化学院，北京 100081,,北京理工大学 自动化学院，北京 100081,,北京理工大学 自动化学院，北京 100081,

关键词：运动规划;随机前向传播;运动动力学约束;自适应参数;稳定稀疏探索树

基金：国家自然科学基金项目(62173041).

稳定稀疏探索树(SST)是一种基于采样的渐近最优运动规划算法, 与传统的渐近最优算法RRT*相比, SST采用随机前向传播来生成新节点, 无需求解两点边值问题(BVP), 即可直接规划出一条满足机器人运动学和动力学约束的可行轨迹. 针对SST对参数敏感、难以适应复杂多变的环境等问题, 提出一种基于自适应参数的SST算法(ASST), 利用规划过程中的节点碰撞率和节点密度等已知信息, 对节点所处的环境区域和邻居信息进行估计, 自适应地改变节点选择半径和节点剪枝半径. 最后, 对多种系统动态和复杂环境类型进行了仿真验证, 仿真结果表明该算法能降低对参数的依赖性, 在复杂困难环境中能够提高求解成功率和计算效率, 对不同规划问题具有较强的适应性.

来源：2025年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第5期