基于贝塞尔曲线的多机器人运动规划优化框架：应用于未知环境

《IEEE Transactions on Control Systems Technology》：Bézier Curve-Based Optimization Framework for Multirobot Motion Planning in Unknown Environments

多机器人系统运动规划中提出基于贝塞尔曲线的轨迹优化方法，通过加权目标函数综合路径长度和导航时间，实现多机器人协同路径规划与最优导航。实验表明该方法相比基准算法在导航时间减少21%-49%，路径长度缩短10%-18%，并确保C2连续性。

　　

摘要：

近年来，多机器人系统（MRSs）由于能够解决涉及协作任务的复杂问题而取得了显著的发展。这类应用通常采用两阶段方法：首先是机器人群体的任务规划和分配，随后是运动规划以执行分配的任务。本研究重点关注运动规划阶段，该阶段有助于多个机器人从初始状态最优地导航到目标状态。本文提出了一种基于贝塞尔曲线的多机器人轨迹规划器（MrBTP）。MrBTP可以为在未知环境中导航的多个机器人生成最优轨迹，同时考虑可用开放空间的多边形特征。优化过程基于一个加权目标函数，该函数结合了每个机器人的导航时间和其轨迹长度，从而支持多种路径优化策略。通过多种场景测试评估了MrBTP的有效性，并将其性能与另一种选定的轨迹规划器进行了比较，评估依据了三个性能指标。在测试中使用的三台机器人上，与选定的基准轨迹规划器相比，MrBTP将导航时间减少了21%–49%，轨迹长度减少了10%–18%。此外，MrBTP还确保了