trajektoriplanering

Trajektoriplanering er prosessen med å beregne en tidsavhengig bane for en robot eller et kjøretøy gjennom et rom. Målet er å finne en kontinuerlig bane som tar hensyn til robotens dynamikk og til hindringer i miljøet, slik at bevegelsen er trygg og effektiv. I motsetning til ren sti-planlegging fokuserer trajektoriplanering også på tidsaspektet og på sekvensen av posisjoner og hastigheter over et planlagt tidsrom.

Metodene deles ofte i to hovedkategorier: prøvingsbaserte (sampling-baserte) metoder som RRT og RRT* som utforsker konsistente banemuligheter i høydimensjonale rom; og optimeringsbaserte metoder som CHOMP, TrajOpt og GPMP2 som konstruerer en kontinuerlig bane ved å løse et optimaliseringsproblem med dynamiske begrensninger og kostnadsfunksjoner. Det finnes også kombinasjoner og diskrete søke-metoder. For kinematisk og dynamisk planer brukes ofte modellbasert kontroll som MPC for å oppdatere banen i sanntid.

Vanlig prosess innebærer å definere start- og mållokasjon, velge en modell av robotens dynamikk, skaffe en miljømodell (statisk og mulige dynamiske hindringer) og oppsett av målsetninger (minimering av tid, energi, eller kostnad). Trajektorien genereres, evalueres mot begrensningene og eventuelt optimeres. I praksis skjer ofte re-planlegging ved endringer i miljøet eller feil i antagelsene, og trajektorien integreres med kontrollsystemet (for eksempel som en MPC-løkke).

Anvendelsesområder inkluderer autonome kjøretøy, mobile roboter, robotarmer og datagrafikk/animatorisk bevegelsesplanlegging. Utfordringer omfatter ikke-konvekse og høy-dimensjonale rom, usikkerhet i sensing, dynamiske hindringer, realtid-begrensninger og krav til sikkerhet og robusthet. Evalueringskriterier inkluderer fullstendighet, sikkerhet, jevnhet, minste energiforbruk, kortest mulig tid og tilstrekkelig klarering til hindringer.

Fremtidig trajektoriplanering følger trender som læringsbasert planlegging, integrasjon med persepsjon og kontroll, og multiagent-koordinering. Differensierbar optimalisering og prediktiv kontroll bidrar til mer effektive og tilpasningsdyktige planer under usikkerhet.

---