KavrakiLab/vamp

解决的问题

VAMP（向量加速运动规划）解决了机器人学中基于采样的运动规划的计算瓶颈。具体来说，它针对的是碰撞检测和正向运动学（FK）的高成本问题，这些通常会减慢在复杂环境中为机械臂寻找无碰撞路径的过程。

工作原理

VAMP 利用 CPU SIMD（单指令多数据）指令（如 x86 的 AVX2 和 ARM 的 NEON）并行化前向运动学和碰撞检测的计算。它使用一种名为碰撞容许点树（CAPT）的专用空间数据结构，加速对点云的碰撞检测，使包含数千个点的场景中查询时间降至 10 纳秒以下。该系统支持多种规划算法，包括 RRT-Connect、PRM、FCIT* 和 AORRTC，并提供路径简化和平滑工具。

适用人群

专为需要为机械臂（如 Franka Emika Panda、UR5、Fetch 和 Baxter）或自定义机器人在点云环境（pointcloud-based environments）中实现极快、实时运动规划的机器人研究人员和开发者设计。

主要亮点

• 极致速度：在单个消费级 CPU 核心上，对 Panda 机器人运动规划问题的中位数求解速度为 35 微秒。
• 硬件加速：原生支持 x86（AVX2）和 ARM（NEON）架构，以及用于浏览器执行的 WebAssembly（WASM）。
• SIMD 优化：通过向量化采样加速前向运动学和碰撞检测。
• 高效点云处理：使用 CAPT 实现对大规模点云的近乎瞬时的碰撞查询。
• 多样化的规划器：包含 RRT-Connect、PRM 以及 FCIT* 和 AORRTC 等渐近最优规划器的实现。