Astro机器人流畅运动背后的规划技术

Astro是一款家用移动机器人，能够在有限传感器视野和计算能力约束下实现流畅自主运动。其运动规划系统通过创新算法设计解决了计算延迟和运动平滑性的核心挑战。

计算延迟与运动平滑性

运动规划面临的根本挑战在于传感到执行的延迟：处理传感器数据并规划机器人运动需要相当时间，这对运动平滑性产生重要影响。例如，假设需要500毫秒处理原始传感器数据、检测跟踪障碍物并规划运动，那么以1米/秒移动的机器人在传感器数据影响其运动前已移动50厘米。延迟校正通常需要更大调整，导致运动顿挫。

预测规划框架

Astro采用预测规划方法，不仅预测外部物体运动，还估计当前规划周期结束时自身位置和环境状态，充分考虑传感、建图和规划流程中的延迟。规划基于快速前向状态：不仅依据最新传感器数据，还考虑计划实际生效时近未来的环境状态。如果预测合理，这种规划能关键性减少不可避免延迟的影响。

不确定性处理

运动规划中不确定性直接转化为碰撞风险。现有方法要么将风险作为特殊约束处理，要么依赖启发式风险-奖励权衡。这些方法在低风险场景有效，但难以推广到复杂现实场景。采用独特公式化方法，机器人向目标移动的动机通过感知的不确定性水平动态权衡。目标函数构造使Astro评估每个候选运动的不确定性调整进度，允许其在低风险时专注于到达目标，高风险时专注于规避。

轨迹优化技术

Astro在每个规划周期考虑多个候选轨迹并选择最优解。系统允许每秒规划10次，每次评估数百个候选轨迹。理论上存在无限多轨迹选择，但通过将候选限制在平滑可实现的轨迹空间，可大幅减少搜索空间而不影响移动能力。与其他离散化方法不同，该公式化是连续的，通过启用细粒度控制改进平滑性和安全性。特殊轨迹参数化保证空间中所有轨迹物理可实现。

全身轨迹规划

规划系统不仅控制机器人底盘双轮，还控制屏幕移动，用于内容可视化、运动意图传达和主动感知。预测规划框架在此同样发挥作用：了解机器人身体应执行动作以及目标物体近未来预测位置，通常使屏幕运动规划变得简单。

三层规划系统架构

运动规划问题分解为三个具有不同时空覆盖范围的规划层：

全局路径规划

负责从当前位置到用户指定目标寻找路径，考虑历史可导航信息。这是系统中唯一可访问完整全局地图的层，由于数据处理量较大而具有较高延迟。

局部轨迹规划

负责沿全局路径规划器提供的路径寻找安全平滑轨迹。考虑固定有限的局部地图数据，保证保持10Hz恒定重规划率，具有三秒规划视野。这一层能详细考虑机器人精确形状、动力学和各种语义实体。

反应控制层

处理更小局部地图，以更低延迟更新。执行最终轨迹检查，防范局部轨迹规划器无法无延迟处理的意外情况。负责处理状态估计级别的噪声和小干扰，并根据更即时传感器读数快速减速或停止机器人。

技术展望

当前规划系统已足够轻量以适应家用机器人预算，同时足够强大处理各种动态变化家庭环境。运动规划算法提供的智能、优雅和响应式运动对于客户信任家用机器人至关重要。未来将继续改进数学公式和工程实现，开发基于学习的方法，通过更多家庭环境导航经验使规划系统更加稳健实用。