Sampling-based path planning under temporal logic constraints with real-time adaptation

要約

時相論理タスクの再計画は、ロボットのオンライン実行中に非常に困難です。
この研究では、時相論理の目標の解を計算し、非静的で部分的に未知の環境に即座に適応する効果的なパス プランナーを紹介します。
事前の知識とタスクの仕様が与えられると、プランナーは最初に、サンプリング ベースの検索ツリーを成長させることによって、最初の実行可能なソリューションを特定します。
計算された計画を実行している間、ロボットはソリューション ライブラリを維持して、計画の未完成部分を継続的に強化し、バックアップ計画を保存します。
プランナーは、予想外の障害に遭遇したり、事前知識の欠陥を認識したりすると、既存の計画を更新します。
高レベルのパスが取得されると、軌道ジェネレーターはパスをモーション プリミティブのセグメントに分割して追跡します。
当社のプランナーは、自律移動ロボット システムに統合され、搭載処理能力が制限されたマルチコプターにさらに展開されます。
シミュレーションと実世界の実験では、プランナーが環境の不確実性に迅速かつ効果的に適応することが実証されています。

要約(オリジナル)

Replanning in temporal logic tasks is extremely difficult during the online execution of robots. This study introduces an effective path planner that computes solutions for temporal logic goals and instantly adapts to non-static and partially unknown environments. Given prior knowledge and a task specification, the planner first identifies an initial feasible solution by growing a sampling-based search tree. While carrying out the computed plan, the robot maintains a solution library to continuously enhance the unfinished part of the plan and store backup plans. The planner updates existing plans when meeting unexpected obstacles or recognizing flaws in prior knowledge. Upon a high-level path is obtained, a trajectory generator tracks the path by dividing it into segments of motion primitives. Our planner is integrated into an autonomous mobile robot system, further deployed on a multicopter with limited onboard processing power. In simulation and real-world experiments, our planner is demonstrated to swiftly and effectively adjust to environmental uncertainties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google