49、运动规划：未知环境下机械臂的碰撞感知与路径探索

运动规划：未知环境下机械臂的碰撞感知与路径探索

在机器人的实际应用中，未知环境下的运动规划一直是一个具有挑战性的问题。由于传感器的局限性，机器人往往难以获得环境的完整信息，这可能导致在操作过程中与未被观察到的障碍物发生碰撞。本文将介绍一种新的方法，通过碰撞假设集（Collision Hypothesis Sets，CHS）来解决这一问题，并展示其在模拟和实际机器人实验中的优势。

1. 问题背景

机器人在运动规划时依赖传感器构建环境模型，但在许多实际场景中，传感器的局限性会导致模型不完整或不准确。例如，在操作任务中，传感器的范围和视野有限、强光干扰导致测量无效，以及在狭小空间中精度不足等问题，都可能使机器人与未被观察到的障碍物发生碰撞。此外，在维护、组装和家庭任务中，机器人可能需要深入到被遮挡的区域，这进一步增加了碰撞的风险。

在缺乏触觉传感器的情况下，机器人只能感知到表面某处发生了接触，但无法确定具体位置，这种测量包含的信息非常有限。因此，需要一种新的方法来处理这种接触不确定性，以实现机器人在未知环境中的有效导航。

2. 相关工作

在运动规划领域，许多算法假设可以进行确定性的碰撞检查，但在机器人或环境存在不确定性时，只能计算碰撞的概率。常见的方法包括蒙特卡罗模拟（Monte Carlo simulations，MCS），但这种方法计算成本高，不适用于大状态空间。一些方法假设机器人和特定对象具有高斯不确定性，从而计算单个配置的碰撞概率，但这些方法无法准确模拟机器人与环境接触时获得的信息。

此外，还有一些定位方法专门用于处理接触传感的不确定性，但这些方法通常需要已知对象的模型，或者需要准确的扭矩测量。将碰撞概率视为成本，