联合空间约束下经过验证的任务空间运动规划

在机器人运动规划领域，任务空间规划器（如Bug2）通常使用固定的笛卡尔步长，但忽略了操作臂的关节角度限制。当雅可比矩阵条件数较差时，即使很小的笛卡尔步长也可能导致关节变化超出允许范围。将关节限制在边界上会导致跟踪漂移，甚至完全无法到达目标。这一问题在需要高精度和可靠性的工业应用中尤为突出。

针对这一挑战，来自的研究人员提出了一种新颖的认证方法。在每个规划步骤中，他们计算一个最大的笛卡尔超矩形，该超矩形在关节位移限制下被严格证明为可达。该方法利用逆运动学的二阶多项式近似和S过程，构建一个小型的半正定规划（SDP）问题。通过求解该SDP，得到可证明的半步宽度 λ*。此外，他们还提出了一种利用二次结构的等效二分法，能够在亚毫秒时间内完成认证计算，满足实时性要求。

将该认证模块与经典的Bug2规划器集成后，得到了一种步长自适应局部运动学条件的规划器。该规划器能够根据当前运动学条件动态调整笛卡尔步长，确保每一步都在关节限制范围内。在94个精心设计的对抗性场景（涵盖六种不同的关节限制设置）中进行统计评估，基于SOS认证的规划器实现了零关节限制违规和100%的目标到达率。相比之下，标准Bug2规划器在6-11%的步骤中违反关节限制，并在多达18%的场景中无法到达目标。

这一成果不仅显著提高了任务空间规划在关节约束下的鲁棒性和成功率，还为机器人安全运动规划提供了新的理论基础。该方法具有计算效率高、易于集成等优点，有望在工业机器人、服务机器人等领域得到广泛应用。未来的工作可以进一步扩展到考虑动力学约束和避障的多目标规划问题。