Chance-Constrained Multi-Robot Motion Planning under Gaussian Uncertainties

要約

ガウス運動とセンサー ノイズが存在する場合のチャンス制約付きマルチ ロボット運動計画問題を検討します。
提案されたアルゴリズム CC-K-CBS は、運動力学的競合ベースの検索 (K-CBS) のスケーラビリティと、Belief-A フレームワークで使用されるガウス信念ツリーの効率性を組み合わせて活用し、Belief- の完全性の保証を継承します。
A の低レベルのサンプリング ベースのプランナー。
また、ロボット間の確率的衝突チェックのための 3 つの異なる方法を開発します。これは、計算と精度をトレードオフします。
私たちのアルゴリズムは、各ロボットを初期状態から目標まで駆動するモーション プランを生成し、偶然に制約された安全保証で不確実性の進化を説明します。
ベンチマークは、プランナー全体のパフォーマンスを特徴付けることに加えて、計算時間を衝突チェッカーの保守性と比較します。
結果は、CC-K-CBS が最大 30 台のロボットまで拡張できることを示しています。

要約(オリジナル)

We consider a chance-constrained multi-robot motion planning problem in the presence of Gaussian motion and sensor noise. Our proposed algorithm, CC-K-CBS, leverages the scalability of kinodynamic conflict-based search (K-CBS) in conjunction with the efficiency of the Gaussian belief trees used in the Belief-A framework, and inherits the completeness guarantees of Belief-A’s low-level sampling-based planner. We also develop three different methods for robot-robot probabilistic collision checking, which trade off computation with accuracy. Our algorithm generates motion plans driving each robot from its initial state to its goal while accounting for the evolution of its uncertainty with chance-constrained safety guarantees. Benchmarks compare computation time to conservatism of the collision checkers, in addition to characterizing the performance of the planner as a whole. Results show that CC-K-CBS can scale up to 30 robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google