Autotuning Symbolic Optimization Fabrics for Trajectory Generation

要約

この論文では、軌道生成のための自動パラメータ最適化法を提示します。
パラメータ最適化は、ベイズ最適化を使用して効果的に解決できる制約付き最適化問題として定式化されます。
このアプローチはどの軌道生成方法にも共通ですが、最適化ファブリックを使用して紹介します。
最適化ファブリックは、非リーマン幾何学に基づく幾何学的軌道生成方法です。
ファブリック ツリーの構造をシンボリックに事前解決することにより、シンボリック ファブリックと呼ばれるパラメーター化された軌跡ジェネレーターを取得します。
自動調整されたシンボリック ファブリックが、数回の試行でエキスパート レベルのパフォーマンスに達することを示します。
さらに、さまざまなロボット、モーション プランニングの問題、およびシミュレーションと現実世界の間で、チューニングが転送されることを示します。
最後に、結合されたモバイル操作にフレームワークを使用できることを定性的に示します。

要約(オリジナル)

In this paper, we present an automated parameter optimization method for trajectory generation. We formulate parameter optimization as a constrained optimization problem that can be effectively solved using Bayesian optimization. While the approach is generic to any trajectory generation method, we showcase it using optimization fabrics. Optimization fabrics are a geometric trajectory generation method based on non-Riemannian geometry. By symbolically pre-solving the structure of the tree of fabrics, we obtain a parameterized trajectory generator, called symbolic fabrics. We show that autotuned symbolic fabrics reach expert-level performance in a few trials. Additionally, we show that tuning transfers across different robots, motion planning problems and between simulation and real world. Finally, we qualitatively showcase that the framework could be used for coupled mobile manipulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google