AURA：面向动力学系统的不确定性鲁棒渐近最优重规划算法

Seyedali Golestaneh, Zhuoyun Zhong, Donghyung Lee, Constantinos Chamzas

2026

摘要

该论文提出了一种名为AURA的元规划框架，能在执行过程中持续重规划并优化控制输入，以提升轨迹质量和跟踪精度。实验表明，该方法在多种系统上实现了在线渐近最优规划，并有效降低了运动不确定性带来的跟踪误差。

motion planningkinodynamic systemsreplanninguncertainty robustnessasymptotically optimal

LOCOMOTION

📊 0 引用

Shengyang Lu, Guanpeng Chen, Lijing Zhao 等 5 位作者

Robotics and Autonomous Systems · 2026

MANIPULATION

📊 0 引用

Sean Rescsanski, Suyog Ghungrad, Azadeh Haghighi 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LOCOMOTION

📊 0 引用

Dilip Muchhala, Pramod Kumar Maurya, Adarsh Raut 等 6 位作者

Robotics and Autonomous Systems · 2026

LOCOMOTION

📊 0 引用

Zewen He, Taiki Ishigaki, Ko Yamamoto

Robotics and Autonomous Systems · 2026