IEEE RA-L 机械臂操纵 实时规划方法

反应式智能是机器人在杂乱、动态、以人为中心的环境中实现多样化操作的基础之一。在以人类为中心的场景中，现有的势场方法对环境的简化表示会导致路径过于保守、参数调整繁琐、计算开销过大——甚至无法满足实时性需求。

针对这一挑战，诺丁汉大学助理教授Luis Figueredo提出了一种反应式运动规划框架——几何势场（GeoPF），并在IEEE RA-L期刊上发表论文。结果表明，本文提出的GeoPF方法在计算效率、调参简便性和避障性能方面均取得了显著提升。

研究利用NOKOV度量动作捕捉系统实时追踪障碍物的位置与几何特性，并将这些检测结果拟合为几何原语。度量动捕充当环境感知与几何建模的基础角色，是将真实世界中的障碍物转化为几何参数的关键桥梁。