黎曼运动策略

每个子目标给出期望加速度和重要性矩阵，按矩阵加权合成整机动作的反应式框架。

RMP 由 NVIDIA 的 Ratliff、Fox 等人 2018 年提出。一个 RMP 是一对 (a, M)：a 是某个任务空间里的期望加速度，比如末端奔向目标、某个连杆远离障碍、关节远离限位；M 是黎曼度量，可理解为「这个子目标在各个方向上有多重要」。各子策略在自己的空间里定义，经雅可比矩阵「拉回」到关节空间，再按 M 加权合成一个关节加速度。这样互相冲突的要求能统一处理，权重还随状态变化，离障碍越近避障越占上风。同年的 RMPflow 把组合过程组织成计算图自动完成，并给出稳定性条件。它每个控制周期即时计算，能应对移动的目标和障碍，但只是局部方法，复杂场景要配合全局规划器。NVIDIA 后续的 Geometric Fabrics 是它的延续。

例子Isaac Sim 的 Lula 运动生成工具以 RMPflow 为核心，组合目标、避碰、关节限位、阻尼等多个 RMP，让机械臂末端实时追随移动目标并绕开障碍。截至 2026 年 9 月，官方文档建议新开发改用实验性的 Robot Motion API。

也叫

RMPflow、Riemannian Motion Policy、黎曼运动策略流

相关

Geometric Fabrics、操作空间控制、避障、人工势场法、Isaac Sim、cuRobo

来源

Ratliff et al., Riemannian Motion Policies (arXiv:1801.02854)
Cheng et al., RMPflow: A Computational Graph for Automatic Motion Policy Generation (arXiv:1811.07049, WAFR 2018)
Isaac Sim Documentation: RMPflow

信息截至

2026-09