TRAILS: Trajectory Generation for Automated Indoor Locomotion Studies
作者: Juho Kalliokoski, Evan G. Center, Steven M. LaValle, Timo Ojala, Basak Sakcak
分类: cs.RO
发布日期: 2026-11-02
备注: 8 pages, 4 figures, IEEE Telepresence 2026
🔗 代码/项目: GITHUB
💡 一句话要点
提出TRAILS框架以自动生成室内导航场景
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 虚拟现实 自动化生成 室内导航 轨迹生成 运动学约束 程序化设计 实验设计
📋 核心要点
- 现有方法在生成多样化室内导航场景时，往往需要大量手动设计，效率低下且难以满足特定的几何和运动学约束。
- TRAILS框架通过结合程序化环境生成、优化轨迹生成和速度配置，实现了自动化的虚拟导航场景生成，简化了设计过程。
- 生成的场景在路径几何、墙体接近度和速度配置上具有多样性，且保持相同的持续时间，显著提升了实验的可控性和重复性。
📝 摘要（中文）
虚拟现实实验中，导航和机器人运动常需大规模真实环境和多样化轨迹，以避免重复导航并提供足够的实验变异性。手动设计这些场景劳动密集，尤其是在轨迹需满足几何和运动学约束的情况下。本文提出TRAILS，一个自动化框架，用于生成完整的虚拟导航场景，包括环境布局、路径和时间参数化的运动轨迹。该框架结合了基于约束的程序化环境生成器、优化的三次Bézier曲线轨迹生成和运动速度配置，生成的场景提供多样的室内环境和轨迹，满足预设的几何和运动学约束，且易于使用，适合远程存在和人类实验。
🔬 方法详解
问题定义：本文旨在解决虚拟现实实验中室内导航场景生成的效率低下和多样性不足的问题。现有方法往往需要大量手动设计，难以满足几何和运动学约束。
核心思路：TRAILS框架通过自动化生成环境布局、路径和运动轨迹，结合程序化生成和优化算法，提供了一种高效且灵活的解决方案。
技术框架：该框架包括三个主要模块：基于约束的环境生成器、优化的三次Bézier曲线轨迹生成和速度配置生成。用户只需定义少量直观参数，系统便可自动生成多样化的导航场景。
关键创新：TRAILS的创新在于其透明且可配置的生成过程，依赖于明确的算法程序而非数据驱动模型，确保了生成场景的可重复性和可控性。
关键设计：框架设计中，用户定义的参数包括环境特征、轨迹几何和运动学约束，确保生成的场景在多样性和实验条件下的可比性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，TRAILS生成的场景在路径几何、墙体接近度和速度配置上具有显著多样性，且所有轨迹的持续时间一致，提升了实验的可控性。与传统手动设计相比，生成效率提高了数倍，且保持了高水平的可重复性。
🎯 应用场景
TRAILS框架可广泛应用于虚拟现实、机器人导航和人机交互等领域，尤其适合需要多样化场景和可控实验条件的研究。其自动化特性将大幅提升实验设计的效率和灵活性，推动相关领域的研究进展。
📄 摘要（原文）
Virtual reality experiments involving navigation and simulated robot motion often require large, realistic environments and numerous distinct trajectories to avoid repetitive navigation while providing sufficient variation for controlled experiments. Designing such scenarios manually is labor-intensive, particularly when trajectories must satisfy predefined geometric and kinematic constraints while remaining diverse and comparable across experimental conditions. This paper presents TRAILS, an automated framework for generating complete virtual navigation scenarios consisting of an environment layout, a path, and a time-parameterized motion profile. The framework combines a constraint-based procedural environment generator inspired by Wave Function Collapse, trajectory generation using optimized cubic Bézier curves, and speed-profile generation subject to kinematic constraints. The generated scenarios provide diverse indoor environments with corridors, open spaces, and obstacles, together with trajectories of identical duration that vary in path geometry, wall proximity, and velocity profiles while minimizing systematic dependencies between these characteristics. The framework is designed as an easy-to-use tool requiring only a small number of intuitive user-defined parameters to automatically generate large sets of distinct navigation scenarios satisfying prescribed geometric and kinematic constraints. By relying on explicit, seed-controlled algorithmic procedures rather than data-driven models, the generated scenarios remain transparent, reproducible, and configurable, making the framework well suited for telepresence and human-subject experiments. The code is available at https://github.com/JucciK/Trails .