KavrakiLab/vamp

解決的問題

VAMP（向量加速運動規劃）解決了機器人學中基於採樣的運動規劃的計算瓶頸。具體來說，它針對的是碰撞檢測與正向運動學（FK）的高成本問題，這些通常會減慢在複雜環境中為機械臂尋找無碰撞路徑的過程。

工作原理

VAMP 利用 CPU SIMD（單指令多資料）指令（如 x86 的 AVX2 和 ARM 的 NEON）並行化前向運動學與碰撞檢測的計算。它使用一種稱為碰撞容許點樹（CAPT）的專用空間資料結構，加速對點群的碰撞檢測，使包含數千個點的場景中查詢時間降至 10 納秒以下。該系統支援多種規劃演算法，包括 RRT-Connect、PRM、FCIT* 和 AORRTC，並提供路徑簡化與平滑工具。

適用對象

專為需要為機械臂（如 Franka Emika Panda、UR5、Fetch 和 Baxter）或自訂機器人，在點群環境（pointcloud-based environments）中實現極快、即時運動規劃的機器人研究人員與開發者設計。

主要亮點

• 極致速度：在單一消費級 CPU 核心上，對 Panda 機器人運動規劃問題的中位數求解速度為 35 微秒。
• 硬體加速：原生支援 x86（AVX2）和 ARM（NEON）架構，以及用於瀏覽器執行的 WebAssembly（WASM）。
• SIMD 優化：透過向量化採樣加速前向運動學與碰撞檢測。
• 高效點群處理：使用 CAPT 實現對大型點群的近乎瞬時的碰撞查詢。
• 多樣化的規劃器：包含 RRT-Connect、PRM 以及 FCIT* 和 AORRTC 等漸近最優規劃器的實作。