实验室高振国老师等指导博士生李娜等撰写论文被顶刊《IEEE Transactions on Automation Science and Engineering》录用!论文题目为

Obstacle-avoiding path planning for robotic manipulators based on recursive segmentation point migration optimization and progressive inverse kinematics。已在线发表，网址为https://doi.org/10.1109/TASE.2025.3604604，该工作得到了国家自然基金(编号62372190)和省高校产学合作项目(编号2021H6030)的支持。

     本文提出了一种新型机器人路径规划方法，该方法将递归分割点迁移优化（Recursive Segmentation Point Migration Optimization, RSPMO）与渐进式逆运动学（Progressive Inverse Kinematics, PIK）相融合。其中，RSPMO 通过检测直线路径上的碰撞、调整分割点以避开障碍物，并删除冗余点简化路径，从而快速为机械臂末端执行器生成最优且高效的轨迹。PIK 则利用二阶导数信息迭代计算关节角度，在异常位形附近采用动态插值与阻尼因子调整，以提升系统稳定性。

      大量实验验证证实了两种方法的有效性：在多障碍物二维场景中，RSPMO 仅需 0.0170 秒即可规划出长度为 789.4516 单位的路径，性能显著优于对比方法；此外，PIK 展现出稳健的性能，在奇异点附近经过 8.45 次迭代的平均耗时仅为 0.0041 秒。基于 6 自由度机械臂的真实场景测试进一步表明，RSPMO 与 PIK 的融合为复杂场景下的路径规划提供了高效解决方案。