RoboNav-Arm：杂乱环境中机器人操纵器的代理人工智能驱动导航和避障

由于动态和不可预见的障碍，在非结构化环境中运行的机器人操纵器在安全执行目标导向的任务方面面临着重大挑战，而传统方法依赖于先验知识或固定的感知管道，限制了适应性。我们提出了一个安全执行任务并有效避障的框架。环境模块执行实时障碍物检测、3D 定位和地表面几何形状估计。然后，它生成结构化语义报告，其中包括障碍物位置、物体几何形状和形状，以及障碍物是否位于关键交互区域内部、外部或内部。中央协调模块通过处理工具调用（例如内存和 MoveIt 碰撞场景更新）、促进模块之间的通信以及持续监控任务进度直至完成来管理整个系统。此外，规划模块根据当前环境配置和目标要求选择合适的运动规划算法，例如RRTConnect、RRT*或BiTRRT。规划器生成的轨迹被进一步分析和细化，以确保安全、无碰撞的任务执行。所提出的方法在 Gazebo Classic 中进行了评估，证明了动态场景中的鲁棒性。