Dynamic Optimization Fabrics for Motion Generation

要約

最適化ファブリックは、リアルタイムのローカル モーション生成に対する幾何学的アプローチであり、モーションは、目的のモーション動作を示すいくつかの微分方程式の構成によって設計されます。
このフレームワークを動的シナリオと非ホロノミック ロボットに一般化し、基本的なプロパティを保存できることを証明します。
コンポーネントの単純な構築ルールを使用して、目的の軌道への収束と動く障害物の回避を保証できることを示します。
さらに、最適化ファブリックとモデル予測制御の間の最初の定量的比較を提示し、最適化ファブリックがより優れたスケーラビリティで同様の軌道を生成できることを示し、したがって、はるかに高い再計画頻度 (7 自由度のロボット アームで最大 500 Hz) を示します。
最後に、10 度の自由度を持つ非ホロノミック モバイル マニピュレーターと動く人間の回避を含む、いくつかのロボットに関する実験結果を提示し、理論的発見をサポートします。

要約(オリジナル)

Optimization fabrics are a geometric approach to real-time local motion generation, where motions are designed by the composition of several differential equations that exhibit a desired motion behavior. We generalize this framework to dynamic scenarios and non-holonomic robots and prove that fundamental properties can be conserved. We show that convergence to desired trajectories and avoidance of moving obstacles can be guaranteed using simple construction rules of the components. Additionally, we present the first quantitative comparisons between optimization fabrics and model predictive control and show that optimization fabrics can generate similar trajectories with better scalability, and thus, much higher replanning frequency (up to 500 Hz with a 7 degrees of freedom robotic arm). Finally, we present empirical results on several robots, including a non-holonomic mobile manipulator with 10 degrees of freedom and avoidance of a moving human, supporting the theoretical findings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google