A Smoothing Algorithm for Minimum Sensing Path Plans in Gaussian Belief Space

要約

この論文では、障害物が散らばっている環境でのロボットの最小センシング ナビゲーションについて説明します。
一般的な目的は、最小限の検知努力でゴール領域までのパス プランを見つけることです。
[1] では、このようなパスを効率的に見つけるために情報幾何学的 RRT* (IG-RRT*) アルゴリズムが提案されました。
ただし、他の確率的サンプリングベースのプランナーと同様に、IG-RRT* の計算の複雑さは急速に増大し、多数のノードでの使用を妨げています。
この制限を解消するには、適度な数のノードで IG-RRT* を実行し、スムージング アルゴリズムを使用して取得したパスを調整することをお勧めします。
平滑化アルゴリズムを開発するために、最小検出経路計画問題を最適化問題として明示的に定式化します。
この定式化では、一般的な離散時間アプローチとは対照的に、連続時間での障害物との衝突確率に制限を課す新しい安全制約を導入します。
この問題は、凸凹手順 (CCP) を介して解決できます。
定式化された最適化のための CCP アルゴリズムを開発し、このアルゴリズムをパス スムージングに使用します。
数値シミュレーションを通じて、提案されたアプローチの有効性を示します。

要約(オリジナル)

This paper explores minimum sensing navigation of robots in environments cluttered with obstacles. The general objective is to find a path plan to a goal region that requires minimal sensing effort. In [1], the information-geometric RRT* (IG-RRT*) algorithm was proposed to efficiently find such a path. However, like any stochastic sampling-based planner, the computational complexity of IG-RRT* grows quickly, impeding its use with a large number of nodes. To remedy this limitation, we suggest running IG-RRT* with a moderate number of nodes, and then using a smoothing algorithm to adjust the path obtained. To develop a smoothing algorithm, we explicitly formulate the minimum sensing path planning problem as an optimization problem. For this formulation, we introduce a new safety constraint to impose a bound on the probability of collision with obstacles in continuous-time, in contrast to the common discrete-time approach. The problem is amenable to solution via the convex-concave procedure (CCP). We develop a CCP algorithm for the formulated optimization and use this algorithm for path smoothing. We demonstrate the efficacy of the proposed approach through numerical simulations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google