Motion Planning
- 又稱: Path Planning, Trajectory Planning
- 類別: Planning & manipulation › Motion planning
- 標籤: planning, navigation
計算機器人從起始配置到目標配置之無碰撞路徑的演算法。
定義
運動規劃演算法為機器人計算在不同構型之間移動的無碰撞路徑。方法包括基於取樣（RRT、PRM）、基於最佳化（CHOMP、TrajOpt）與基於學習的方法。對自主導航與操作至關重要。
為何重要
運動規劃找出一條從機器人所在位置到它需要前往之處的路徑，過程中不撞到任何東西，無論是它自己、它的工作範圍，還是人。正是它區分了只需告知目標的機器人，以及必須親手教導每個中間位置的機器人。這個問題確實很難，因為要搜尋的空間是所有關節配置的空間，對六關節手臂而言是六維的，而世界中的障礙物在其中會變成形狀怪異的禁止區域。
主要應用
- 在雜亂工作範圍中進行無碰撞的手臂運動
- 移動機器人導航，在已建圖的環境中規劃路線
- 取放序列，分別規劃接近、抓取與撤離
- 多支手臂共用工作範圍時的多機器人協調
- 因應新偵測到的障礙物重新規劃
- 在投入硬體之前，於單元設計期間進行可行性檢查
實際應用
搭配 RRT-Connect 等 OMPL 取樣式規劃器的 MoveIt，是手臂的標準解法：它隨機取樣配置、檢查是否碰撞，再把它們連接成一條路徑，然後對結果取捷徑並加以平順化。取樣解釋了人們覺得意外的行為：規劃無法重現，同一個請求每次都可能產生不同的路線。它也解釋了典型的失效：狹窄的通道（例如伸手進箱子裡）只能碰巧被找到，所以規劃器可能在一個人眼看來顯然可行的任務上逾時。
常見誤解
- 規劃器會找出最短路徑：取樣規劃器找出的是一條有效路徑，後處理只是把它縮短
- 規劃是確定性的：除非設定種子，否則大多數取樣規劃器每次執行都會產生不同的路徑
- 規劃失敗代表目標無法到達：這往往代表規劃器在時間預算內沒有找到那條狹窄的通道
- 規劃已考慮動力學：大多數規劃器是幾何的，速度、加速度與負載都是之後才套用
誰需要了解
- 任何以目標指揮手臂、而非教導固定路徑點的人
- 設定 MoveIt、Nav2 或類似堆疊的開發者
- 調查規劃逾時或走奇怪路線之問題的工程師
- 學習配置空間與以取樣為基礎之搜尋的學生
- 任何設計手臂必須伸入狹窄空間之工作單元的人
相關技術
- RRT 與 RRT*（Rapidly-exploring Random Trees）
- PRM（Probabilistic Roadmap）
- A* 與 Dijkstra 演算法
- MoveIt（ROS 運動規劃框架）
- OMPL（Open Motion Planning Library）
- 軌跡最佳化（TrajOpt、CHOMP）
- 配置空間表示法
- 碰撞偵測（FCL、Bullet）
相關術語
相關專案
- Nav2: ROS 2 navigation stack with path planning and obstacle avoidance for mobile robots
- DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
- ROS Motion Planning: One repo implementing 40+ classic and learning-based robot path planners as ROS plugins
- MRPT: Comprehensive C++ toolkit for mobile robotics, SLAM, and sensor-based navigation
- TurtleBot3: ROS packages for TurtleBot3 — the standard educational mobile robot platform
- IR-SIM: Lightweight pure-Python 2D robot simulator for navigation, control and RL research
影片
- Path Planning with A* and RRT | Autonomous Navigation: MATLAB