这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

实时全身运动规划方法在移动机械臂中的应用研究

一、作者与发表信息
本研究由Chengkai Wu（中山大学人工智能学院、哈尔滨工业大学深圳分校）、Ruilin Wang（中山大学）、Mianzhi Song（中山大学）、Fei Gao（浙江大学工业控制技术国家重点实验室）、Jie Mei（哈尔滨工业大学深圳分校）、Boyu Zhou（中山大学，通讯作者）共同完成，发表于2024年5月的IEEE International Conference on Robotics and Automation (ICRA)。

二、学术背景
移动机械臂（Mobile Manipulators）因其在工业和服务领域的广泛应用（如货物搬运、家庭服务）成为机器人学的研究热点。然而，其高自由度特性导致实时全身运动规划（Whole-Body Motion Planning）面临两大挑战：
1. 实时性不足：传统方法（如分层规划或全局采样）在复杂环境中计算效率低，难以满足实时需求；
2. 动态可行性缺失：现有优化方法（如CHOMP）因变量维度过高或碰撞模型复杂，难以同时满足安全性、敏捷性和任务约束。

本研究旨在提出一种环境自适应搜索（Environment-Adaptive Search）与时空轨迹优化（Spatial-Temporal Optimization）结合的实时规划框架，以生成高质量、安全且动态可行的运动轨迹。

三、研究流程与方法
1. 环境自适应路径搜索
- 步骤1：移动基座路径生成
使用Hybrid A*算法在2D空间规划基座路径，通过方向变量（η∈{−1,1}）区分前进/后退运动，生成分段路径$p_b$及时间分配$t$。
- 步骤2：机械臂多层空间搜索
基于基座路径，构建机械臂的多层约束搜索空间（Multilayer Constrained Space），通过改进的RRT*-Connect算法在每层空间中采样机械臂关节状态，确保路径可行性。
- 步骤3：局部全身路径补全
若狭窄区域导致路径中断，触发局部全身搜索（Local Whole-Body Search），将基座与机械臂状态合并为高维配置空间，利用RRT*-Connect补全路径。

1. 时空轨迹优化
   
   • 优化问题建模：以广义关节配置$q$为变量，目标函数包含平滑性项$J_s$、时间惩罚项$J_t$和约束惩罚项$J_p$（公式3）。
     
   • 关键约束处理：
     
     • 安全性：通过碰撞球模型（Collision Spheres）和ESDF地图（Euclidean Signed Distance Field）实现障碍物避碰（公式5-6）；
       
     • 动态可行性：约束轮式底盘角速度/加速度（公式7-8）及机械臂关节限位（公式9）；
       
     • 任务约束：末端执行器的位姿误差（公式10-11）通过稀疏-稠密采样策略（Sparse-Dense Sampling）高效处理。
       
   • 求解方法：基于MINCO轨迹类（Minimum Control Effort Trajectory）实现变量与约束点解耦，利用约束转录法（Constraint Transcription）将非线性约束转化为无约束优化问题。
     

四、主要结果
1. 路径搜索效率验证
- 在立方体障碍和桥梁狭窄环境中，本方法平均规划时间分别为57.22ms和12.96ms，成功率100%，显著优于RRT*-Connect（表II）。
- 消融实验（表I）显示，局部全身搜索模块在桥梁高度降至0.4m时仍保持100%成功率，而基线方法失效。

1. 轨迹优化性能

   • 与CHOMP对比，本方法在相同约束点数量下优化时间缩短80%以上（立方体场景：294.17ms vs. 5791.48ms），且生成轨迹均满足动态可行性（表III）。
     

2. 实际应用验证

   • 门推任务（图7）：末端执行器位姿误差（位置<0.05m，角度<0.15rad）在1秒内收敛至容忍范围内（图8）。
     
   • 密集环境实验（图1）：搭载Intel i7-1260P处理器的移动机械臂在7m×5m杂乱房间中实现实时避障与任务完成，单次规划耗时419.2ms。
     

五、结论与价值
1. 科学价值：
- 提出首个融合环境自适应搜索与时空优化的实时全身规划框架，解决了高自由度系统在复杂场景中的实时性难题；
- 通过多层搜索空间和局部补全策略，兼顾计算效率与完备性。
2. 应用价值：
- 为工业移动操作机器人（如仓储物流、家庭服务）提供实时运动规划方案；
- 开源代码（GitHub: remani-planner）推动社区发展。

六、研究亮点
1. 方法创新：
- 环境自适应搜索动态调整问题维度，在中等障碍密度区域效率提升5倍；
- 时空优化中引入MINCO轨迹类，实现变量与约束点解耦。
2. 技术突破：
- 碰撞球模型与ESDF结合，将碰撞检查耗时降低至毫秒级；
- 首次在实时规划中同时处理安全性、动态可行性与任务约束。

七、其他贡献
- 实验覆盖仿真与真实场景，验证方法的普适性；
- 公开数据集与代码促进后续研究。

该研究通过理论创新与工程实践的结合，为移动机械臂的实时运动规划设立了新标杆。