两阶段模仿学习框架

真实场景强避障

该框架将机器人模仿学习分解为轨迹学习与避障两个阶段，通过区域约束动态运动基元与平滑快速扩展随机树，在真实操作场景中实现更高效、更鲁棒的轨迹学习与泛化。

宁宇铭 · 李团结 · Cong, Yao · Du, Wenqian · Yan, Zhang · 张玉

Robotics and Computer-Integrated Manufacturing 2026

技术优势

成功率更高

实验结果显示所提方法在成功率上优于现有轨迹学习方法。

路径更短

通过S-RRT*在局部障碍区域搜索平滑轨迹，并与学习轨迹重组，得到更短的避障路径。

效率更高

两阶段交替执行，避免同时求解轨迹与避障带来的计算负担，提高整体效率。

应用场景

• 机器人操作学习：为操作技能学习提供带避障的轨迹生成与泛化，减少人工示教次数。
• 工业机器人轨迹规划：在约束区域内快速生成适应动态环境的平滑无碰撞轨迹，提升产线部署效率。
• 服务机器人避障：在有人或杂乱室内环境中动态规避障碍，同时保持运动平滑性，提升人机交互安全性。
• 软体机器人运动控制：提供可在线更新参数的轨迹学习机制，适配软体机器人非线性响应与受限运动。