Efficient Real-time Path Planning with Self-evolving Particle Swarm Optimization in Dynamic Scenarios

要約

粒子群最適化 (PSO) は、静的パス計画の問題に対処する際の有効性を実証しています。
それにもかかわらず、動的シナリオでのそのような適用は、PSO の低い計算効率と時期尚早な収束の欠点により大幅に妨げられてきました。
これらの制限に対処するために、粒子単位の操作をテンソル演算に変換し、それによって計算効率を向上させる Tensor Operation Form (TOF) を提案しました。
TOF の計算上の利点を利用して、自己進化粒子群最適化 (SEPSO) と呼ばれる PSO の変種が開発されました。
SEPSO は、時期尚早な収束を回避するために独自のハイパーパラメーターの自律的な最適化を可能にする新しい階層的自己進化フレームワーク (HSEF) によって支えられています。
さらに、動的なパス プランニングの問題に対する SEPSO のリアルタイム パフォーマンスを大幅に向上させる、Priori Initialization (PI) メカニズムと Auto Truncation (AT) メカニズムが導入されました。
SEPSO の有効性を裏付けるために、広く使用されている 4 つのベンチマーク最適化関数に関する包括的な実験が最初に実施されました。
これに続いて、移動する開始点/目標点と動的/静的障害物を含む動的シミュレーション環境を使用して、動的経路計画問題に対する SEPSO の有効性を評価しました。
シミュレーション結果は、提案された SEPSO が他の方法と比較して、かなり優れたリアルタイム パフォーマンス (通常のデスクトップ コンピュータで 1 秒あたり 67 回のパス プランニング計算) で優れたパスを生成できることを示しています。
この論文のコードはここからアクセスできます。

要約(オリジナル)

Particle Swarm Optimization (PSO) has demonstrated efficacy in addressing static path planning problems. Nevertheless, such application on dynamic scenarios has been severely precluded by PSO’s low computational efficiency and premature convergence downsides. To address these limitations, we proposed a Tensor Operation Form (TOF) that converts particle-wise manipulations to tensor operations, thereby enhancing computational efficiency. Harnessing the computational advantage of TOF, a variant of PSO, designated as Self-Evolving Particle Swarm Optimization (SEPSO) was developed. The SEPSO is underpinned by a novel Hierarchical Self-Evolving Framework (HSEF) that enables autonomous optimization of its own hyper-parameters to evade premature convergence. Additionally, a Priori Initialization (PI) mechanism and an Auto Truncation (AT) mechanism that substantially elevates the real-time performance of SEPSO on dynamic path planning problems were introduced. Comprehensive experiments on four widely used benchmark optimization functions have been initially conducted to corroborate the validity of SEPSO. Following this, a dynamic simulation environment that encompasses moving start/target points and dynamic/static obstacles was employed to assess the effectiveness of SEPSO on the dynamic path planning problem. Simulation results exhibit that the proposed SEPSO is capable of generating superior paths with considerably better real-time performance (67 path planning computations per second in a regular desktop computer) in contrast to alternative methods. The code of this paper can be accessed here.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google