¿Cuáles son los algoritmos de control de movimiento del robot de última generación para diferentes aplicaciones robóticas a partir de 2016?

Cada día se proponen e investigan nuevos algoritmos, pero permítanme intentar un resumen de algunos algoritmos de planificación de movimiento “de vanguardia” comúnmente utilizados. No voy a intentar ni siquiera una breve descripción de los algoritmos, ya que eso requeriría un libro.

Todo en The Open Motion Planning Library:

  • Método de hoja de ruta probabilística
    • LazyPRM, PRM * y LazyPRM *
  • SPArse Roadmap Spanner (SPARS)
  • Árboles aleatorios de exploración rápida (RRT)
    • RRTConnect (RRT bidireccional)
    • RRT *
  • Planificación cinemática por exploración celular interior-exterior (KPIECE)
    • bidireccional y perezosa bidireccional
  • Batch Informed Trees (BIT * / “Bit Star”) [divulgación: inventado en colaboración con nuestro laboratorio]

Algunos algoritmos adicionales:

  • CHOMP [divulgación: inventado en colaboración con nuestro laboratorio]
  • trajopt
  • CBiRRT [divulgación: inventado en colaboración con nuestro laboratorio]
  • SBPL

Finalmente, un “algoritmo” que funciona una sorprendente cantidad de tiempo: la planificación “instantánea”. Esto es simplemente conectar sus configuraciones de inicio y fin directamente, y verificar las colisiones a lo largo de una trayectoria de “línea recta” (muy alta dimensión) (cronometrada con sincronización constante a lo largo del camino). Si solo está tratando de agarrar algo, esto es a menudo todo lo que necesita hacer, y es el algoritmo más rápido posible. Siempre ejecutamos este primero para ver si funciona :-).

Nuestro laboratorio (CMU Personal Robotics Lab), utiliza principalmente muchos algoritmos OMPL, “snap”, BIT *, CBiRRT, CHOMP y trajopt, junto con una trayectoria más suave y alguna otra decoración necesaria. Consulte personalrobotics / prpy para obtener más información (incluidos algunos otros planificadores de “no es una mala idea” como “SnapPlanner” arriba).

Hay demasiadas aplicaciones y demasiados algoritmos para responder esta pregunta adecuadamente.

Sin embargo, en la manipulación este reciente artículo parece bastante bueno: [1504.00702] Capacitación de extremo a extremo de políticas visomotoras profundas

Para los robots bípedos es difícil superar el trabajo de Jessy Grizzle.

En cuanto a los robots con ruedas, realmente no lo sé. El problema es que puede llegar muy lejos mediante linealizaciones aproximadas, por lo que todo lo que necesita hacer es centrarse en la percepción y la estimación de estado y utilizar controladores lineales locales durante todo el día. Afortunadamente, estos robots con ruedas no se mueven si no quieres que lo hagan, por lo que puedes permitirte hacer cosas como esta.

De hecho, mucho control humanoide es extremadamente sangriento en lo que respecta a los controles. La mayor parte del dolor de cabeza es la planificación del movimiento en grandes dimensiones. La parte de controles es bastante sencilla. Sin embargo, agarrar es bastante desafiante, no lo he mantenido, lo siento.

Cuando se trata de cuadrotorsores, el estado del arte parece ser un enfoque de planitud diferencial. Eso es lo que usó el laboratorio de Vijay Kumar, seguido de Koushil Sreenath en CMU.

Ahora, debo ofender a algunos investigadores, lo siento. Sin embargo, apuesto a que no conoces el estado de la técnica en mi rincón estrecho elegido de robótica, así que genial tus aviones.