TrajOpt

TrajOpt (Sequential Convex Trajectory Optimization)进阶

用序列凸优化求局部最优、无碰撞机器人轨迹的运动规划方法和开源库。

TrajOpt 由 UC Berkeley 的 John Schulman、Pieter Abbeel 等在 RSS 2013 提出，2014 年扩展版发表于 IJRR。它把运动规划写成轨迹优化：决策变量是一串关节路点，目标是路径短而平滑，约束是关节限位和不碰撞。碰撞约束是非凸的，TrajOpt 用序列凸优化处理：每轮在当前轨迹附近把代价和约束线性化成凸的二次规划，在信赖域里求解，反复迭代。碰撞用有符号距离（穿透时为负）加铰链惩罚表示，惩罚不够就在外层循环加大系数；它还把相邻两个时刻机器人形状的凸包拿来检查，保证连续时间内也不会「穿过」薄障碍。论文中它比 OMPL 的采样式规划器和 CHOMP 更快、解出的问题更多。缺点是只保证局部最优，初始轨迹太差时可能失败。现在 ROS-Industrial 旗下的 Tesseract 项目维护着它的 C++ 版本。