第一课 移动机器人运动规划
Motion planning for mobile robots
1、about this course
old school planning pipeline ：模块化
寻迹算法，轨迹生成\优化，实时软件开发
Basic expectation
实用第一
Basic algorithm validation(matlab)
Sophisticated engineering implementation (ros\c++)
What is autonomous robot？？？
估计
低延时
高准确性和一致性
感知
三维感知和密集感知
用于规划的地图融合和集成
规划
复杂未知环境
安全性和动力可行性
有限的传感和计算
控制
积极的机动
平滑的轨迹跟踪
What is motion planning
基础要求：
安全：避免碰撞
光滑性：节能、舒适
运动动力学可行性：可执行、可控
Old-school pipeline
前端寻迹
搜索初始安全路径
低维
离散空间
后端轨迹生成
搜索可执行路径
高维
连续空间
How to do robotics research？？？
Find a problem
Solve a problem
简单而有效
Simulation tells nothing!!!
How to do motion planning？？？
Overall knowledge of planning
根据不同的场景选择合适的方法
设计定制策略
Dirty hands
Know the whole system well
感知，定位，控制，机械设计
推荐资料：
2、Course Outline
1 front-end: path finding
基于搜索的路径规划
图形搜索基础
Dijkstra和A*
跳跃点搜索
基于采样的路径规划
概率路线图
快速搜索随机树（RRT）
基于最优抽样的方法
高级抽样方法
运动动力学寻迹
简介
状态—状态边界值最优控制问题
状态格搜索
Kinodynamic RRT*
Hybrid A*
Back-end: trajectory generation 后端：轨迹生成
最小快速轨迹生成
微分平坦
最小瞬间优化
最小瞬间的封闭解
时间分配
Implementation in practice
软硬约束策略优化
软约束策略优化
硬约束策略优化
MDP&MPC
基于马尔代夫决策过程的规划
规划和MDP中的不确定性
最大成本和最小成本规划和期望最小规划
数值迭代和实时动态规划
机器人规划的模型预测控制
简介
线性MPC
非线性MPC
3、Sampling-based method
RRT* vs RRT
Informed RRT* 有启发式的算法：提升最优解
Kinodynamic path finding ：考虑动力学
State lattice search
Hybrid A* 扩展A*算法
考虑动力学的路径搜索问题
Kinodynamic RRT*: 基于随机采样
离散状态
Back-end: trajectory optimization
Basic minimum-snap
Hard constrained minimum-snap : 硬约束下，解空间
Soft constrained minimum-snap：梯度
4、mapping
Occupancy grid map ：栅格地图
Octo-map：八叉树，内存占用少，激光雷达地图
Voxel hashing
Point cloud map:点云
TSDF map
ESDF map
More ??? free-space roadmap
Voronoi diagram map：拓扑地图
5、Pre-requirement
1\linux
Linux file system
How to install software in linux
Useful commands
2\c++ and GCC toolchain
C with class?
Gcc, makefile, cmakelist
Write cmakelist
How to solve problems: google and document.
3\matlab
