深蓝学院-机器人运动规划学习笔记-第一章

第一课 移动机器人运动规划

Motion planning for mobile robots

1. Introduction
2. Course outline
3. Typical planning methods overview
4. Map representation：地图表达，与图片环节对接起来
5. Pre-requirement
6. homework

1、about this course

old school planning pipeline ：模块化

寻迹算法，轨迹生成\优化，实时软件开发

Basic expectation

       实用第一

       Basic algorithm validation(matlab)

       Sophisticated engineering implementation (ros\c++)

What is autonomous robot？？？

  

估计

       低延时

       高准确性和一致性

感知

       三维感知和密集感知

       用于规划的地图融合和集成

规划

       复杂未知环境

       安全性和动力可行性

       有限的传感和计算

控制

       积极的机动

       平滑的轨迹跟踪

What is motion planning

基础要求：

       安全：避免碰撞

       光滑性：节能、舒适

       运动动力学可行性：可执行、可控

Old-school pipeline

前端寻迹

搜索初始安全路径

低维

离散空间

后端轨迹生成     

              搜索可执行路径

              高维

              连续空间

How to do robotics research？？？

       Find a problem

       Solve a problem

              简单而有效

              Simulation tells nothing!!!

How to do motion planning？？？

       Overall knowledge of planning

              根据不同的场景选择合适的方法

              设计定制策略

       Dirty hands

       Know the whole system well

              感知，定位，控制，机械设计

推荐资料：

2、Course Outline

1 front-end: path finding

       基于搜索的路径规划

              图形搜索基础

              Dijkstra和A*

              跳跃点搜索

       基于采样的路径规划

              概率路线图

              快速搜索随机树（RRT）

              基于最优抽样的方法

              高级抽样方法

       运动动力学寻迹

              简介

              状态—状态边界值最优控制问题

              状态格搜索

              Kinodynamic RRT*

              Hybrid A*

Back-end: trajectory generation 后端：轨迹生成

       最小快速轨迹生成

              微分平坦

              最小瞬间优化

              最小瞬间的封闭解

              时间分配

              Implementation in practice

       软硬约束策略优化

              软约束策略优化

              硬约束策略优化

MDP&MPC

       基于马尔代夫决策过程的规划

              规划和MDP中的不确定性

              最大成本和最小成本规划和期望最小规划

              数值迭代和实时动态规划

       机器人规划的模型预测控制

              简介

              线性MPC

              非线性MPC

      

3、Sampling-based method

       RRT* vs RRT

Informed RRT* 有启发式的算法：提升最优解

Kinodynamic path finding ：考虑动力学

State lattice search

Hybrid A* 扩展A*算法

考虑动力学的路径搜索问题

Kinodynamic RRT*: 基于随机采样

离散状态

Back-end: trajectory optimization

       Basic minimum-snap

Hard constrained minimum-snap : 硬约束下，解空间

Soft constrained minimum-snap：梯度

4、mapping

Occupancy grid map ：栅格地图

Octo-map：八叉树，内存占用少，激光雷达地图

Voxel hashing

 

Point cloud map:点云

 

TSDF map

ESDF map

More ??? free-space roadmap

 

Voronoi diagram map：拓扑地图

5、Pre-requirement

1\linux

Linux file system

       How to install software in linux

       Useful commands

2\c++ and GCC toolchain

       C with class?

       Gcc, makefile, cmakelist

       Write cmakelist

       How to solve problems: google and document. 

3\matlab