SLAP自主机器人的同时本地化和计划

NASA喷气推进实验室(JPL)，德克萨斯农工大学和卡内基梅隆大学的研究人员最近开展了一项研究项目，旨在实现自动机器人的同时定位和计划(SLAP)功能。他们的论文发表在IEEE Transactions on Robotics上，提出了一种信念空间中的动态重新计划方案，该方案对于不确定性(例如在变化的环境中)运行的机器人特别有用。

进行这项研究的研究人员之一Sung Kyun Kim对TechXplore表示：“在现实世界中运行的机器人需要应对不确定性。” “例如，火星漫游车要导航到科学目标位置，但它还需要避免与障碍物碰撞。因此，准确的定位和具有成本效益的路径规划都是必不可少的功能。”

对于在不确定性下运行的自主机器人，SLAP是一项关键功能，使它们能够有效地导航空间，避开障碍物并规划到达目标位置的路径。甲机器人在不确定性下的顺序决策过程可以配制为POMDP(部分可观察马尔可夫决策过程)，其需要在线连续地解决。但是，确保机器人有效，准确地解决POMDP可能具有很大的挑战性。

Kim解释说：“我们提出了解决SLAP问题的两个主要想法。” “一种方法是利用反馈控制器使信念状态可达到。这可以有效地打破'历史的诅咒'，这有助于我们解决更大的问题。另一种方法是动态地重新计划并在运行时改进决策，从而增强解决方案。质量和健壮性。当存在系统建模错误，动态环境变化或传感器/执行器间歇性故障时，动态重新计划特别有用。”

Kim和他的同事设计了一种信念空间的动态重新计划方案，该方案可以使机器人在不确定的情况下(例如在变化的环境中或遇到意外障碍时)有效地导航周围的空间。他们的算法有两个阶段，离线和在线。

“在离线阶段，我们的算法在信念空间中为每个节点构建一个带有反馈控制器的稀疏图，然后解决该图上的粗略全局策略(决定对当前的信念状态采取何种操作)，” Kim说。“在在线阶段，每次更新信念状态时都会进行动态重新规划。该算法会在本地评估移动到图上附近节点的每个动作，并以最低的成本选择一个动作。执行所选动作并更新后，按照目前的信念，它重复了重新计划的过程。”