multi-robot motion planning instances

本文提出了一种新的数据集，用于多机器人运动规划实例的研究。该数据集包含单任务、多机器人运动规划实例，适用于具有不同机器人配置的环境。该数据集旨在帮助研究人员更好地理解多机器人运动规划中的捷径技术，并评估现有方法的效果。数据集已被开源，可供研究人员下载使用。

This paper proposes a novel dataset for research on multi-robot motion planning instances. The dataset contains single-task multi-robot motion planning instances applicable to environments with varying robot configurations. This dataset is designed to help researchers better understand shortcut techniques in multi-robot motion planning and evaluate the effectiveness of existing methods. The dataset has been open-sourced and is available for researchers to download and utilize.

搜集汇总

数据集介绍

构建方式

该数据集通过模拟多种多机器人臂运动规划场景构建，采用两种主流运动规划算法（RRT-Connect和xECBS）生成初始轨迹，并在6种不同复杂度的环境中验证。研究团队设计了包含静态障碍物、末端执行器附加物体等变量的实验环境，通过统一时间步长离散化和碰撞检测机制，确保轨迹数据的物理可行性和时空一致性。数据集构建过程特别关注多机器人交互场景下的轨迹优化问题，采用复合配置空间建模方法处理机械臂间的运动耦合关系。

特点

数据集包含1,034条多机械臂运动轨迹，涵盖6种典型工作场景和两种机械臂构型（6自由度GP4与7自由度Franka Panda）。其核心特征在于完整记录了原始规划轨迹与后处理优化轨迹的时空参数，包括时间戳配置序列、路径长度、最大完工时间等关键指标。每条轨迹均通过严格的碰撞检测验证，并附带运动平滑度量化数据。特别值得注意的是，数据集通过附加长杆物体等设计，增强了多机械臂协同操作场景的真实性与挑战性，为研究多机器人运动规划中的时空约束优化问题提供了丰富样本。

使用方法

该数据集适用于多机器人运动规划算法的基准测试与优化研究。使用者可通过加载预生成的轨迹文件，对比不同后处理算法在路径长度、完工时间和运动平滑度等指标上的改进效果。建议研究流程包括：初始化轨迹加载、自定义后处理算法实现、基于统一时间步长的碰撞检测验证，以及最终通过标准化指标量化比较。数据集配套提供TPG（时序规划图）执行框架接口，支持将优化后的轨迹直接部署至真实机械臂系统进行物理验证。对于算法开发，推荐重点关注复合空间优化与优先级优化等方法的组合策略在异构场景中的表现差异。

背景与挑战

背景概述

multi-robot motion planning instances数据集由卡内基梅隆大学机器人研究所的Philip Huang、Yorai Shaoul和Jiaoyang Li等研究人员于2025年创建，旨在解决多机械臂运动规划中的轨迹优化问题。该数据集聚焦于多机械臂系统在共享工作空间中的协同运动规划，通过提供多样化的仿真场景和机器人配置，支持对轨迹后处理技术（特别是捷径优化方法）的系统性评估。作为首个针对多机械臂轨迹捷径优化的基准数据集，它为研究高维空间下的运动平滑性、执行时间优化和碰撞避免等核心问题提供了重要平台，推动了工业装配、协作搬运等复杂任务的自动化发展。

当前挑战

该数据集面临双重挑战：在领域问题层面，需解决高维复合构型空间中的动态碰撞检测难题，同时优化多机械臂轨迹的平滑性、执行时间和路径长度等冲突目标；在构建过程中，需处理异构机器人（6-DoF GP4与7-DoF Franka Panda）的轨迹同步问题，设计包含静态障碍物和末端执行器附件的复杂场景，并开发统一的时空离散化标准以平衡碰撞检测精度与计算效率。此外，数据集还需克服多机械臂轨迹后处理中特有的挑战，如独立优化单臂轨迹可能引发的新碰撞，以及不同捷径策略在收敛速度与最终轨迹质量间的权衡问题。

常用场景

经典使用场景

在机器人协同操作领域，多机械臂运动规划数据集为研究团队提供了标准化的测试环境。该数据集通过模拟工业装配线、仓储物流等典型场景，包含双机械臂协同搬运、多机械臂避障等复杂任务实例，支持对轨迹优化算法的系统性评估。研究者可利用该数据集验证不同后处理技术在缩短执行时间、提升轨迹平滑性方面的表现，特别是在存在动态障碍物和空间约束的密集工作环境中。

解决学术问题

该数据集有效解决了多机械臂系统运动规划中的三大核心问题：高维构型空间下的实时轨迹优化、机械臂间碰撞避免的可靠性验证，以及执行效率与轨迹质量的平衡。通过提供包含1034个规划实例的基准测试集，填补了现有文献缺乏定量比较多机器人轨迹优化方法的空白，为复合空间捷径法、优先级捷径法等算法提供了统一的评估框架。其标准化测试环境显著提升了不同研究团队成果的可比性，推动了运动规划后处理技术的理论发展。

衍生相关工作

基于该数据集衍生的经典工作包括APEX-MR多机器人异步规划框架和xECBS搜索算法。APEX-MR创新性地将时间计划图（TPG）与捷径技术结合，实现了长时程装配任务的动态协调；xECBS则通过冲突搜索机制扩展了传统A*算法，在数据集测试中将多机械臂轨迹规划成功率提升至92%。这些工作显著推进了密集环境下多机器人运动规划的理论边界，相关成果发表在ICRA、IROS等机器人顶级会议。