聯合空間約束下經過驗證的任務空間運動規劃

在機器人運動規劃領域，任務空間規劃器（如Bug2）通常使用固定的笛卡爾步長，但忽略了操作臂的關節角度限制。當雅可比矩陣條件數較差時，即使很小的笛卡爾步長也可能導致關節變化超出允許範圍。將關節限制在邊界上會導致跟蹤漂移，甚至完全無法到達目標。這一問題在需要高精度和可靠性的工業應用中尤為突出。

針對這一挑戰，來自的研究人員提出了一種新穎的認證方法。在每個規劃步驟中，他們計算一個最大的笛卡爾超矩形，該超矩形在關節位移限制下被嚴格證明為可達。該方法利用逆運動學的二階多項式近似和S過程，構建一個小型的半正定規劃（SDP）問題。通過求解該SDP，得到可證明的半步寬度 λ*。此外，他們還提出了一種利用二次結構的等效二分法，能夠在亞毫秒時間內完成認證計算，滿足實時性要求。

將該認證模塊與經典的Bug2規劃器集成後，得到了一種步長自適應局部運動學條件的規劃器。該規劃器能夠根據當前運動學條件動態調整笛卡爾步長，確保每一步都在關節限制範圍內。在94個精心設計的對抗性場景（涵蓋六種不同的關節限制設置）中進行統計評估，基於SOS認證的規劃器實現了零關節限制違規和100%的目標到達率。相比之下，標準Bug2規劃器在6-11%的步驟中違反關節限制，並在多達18%的場景中無法到達目標。

這一成果不僅顯著提高了任務空間規劃在關節約束下的魯棒性和成功率，還為機器人安全運動規劃提供了新的理論基礎。該方法具有計算效率高、易於集成等優點，有望在工業機器人、服務機器人等領域得到廣泛應用。未來的工作可以進一步擴展到考慮動力學約束和避障的多目標規劃問題。