Multi-Risk-RRT: An Efficient Motion Planning Algorithm for Robotic Autonomous Luggage Trolley Collection at Airports

要約

空港やショッピングモールなどのダイナミックで混雑した環境では、ロボットがますます普及してきています。
これらのシナリオでは、ロボット ナビゲーションの重要な課題は、信頼性と所定の目的地へのタイムリーな到着です。
既存のリスクベースの動作計画アルゴリズムは、静的および動的障害物との衝突リスクを効果的に軽減しますが、大幅なパフォーマンスの向上が依然として必要です。
特に、動的な環境では、より迅速な対応と堅牢な計画が求められます。
このギャップに対処するために、新しいリスクベースの多方向サンプリング アルゴリズムである多方向リスクベースの急速探索ランダム ツリー (マルチリスク-RRT) を導入します。
状態空間の探索にルート付きツリーまたはダブル ツリーのみに依存する従来のアルゴリズムとは異なり、私たちのアプローチには複数のサブツリーが組み込まれています。
各サブツリーは、周囲の環境を独立して探索します。
同時に、プライマリ ルート ツリーはこれらのサブツリーからヒューリスティック情報を収集し、目標状態に向けた迅速な進歩を促進します。
シミュレーションや現実世界の環境研究を含む当社の評価では、マルチリスク RRT が計画の効率性と堅牢性において、既存の一方向および双方向のリスクベース アルゴリズムよりも優れていることが実証されています。

要約(オリジナル)

Robots have become increasingly prevalent in dynamic and crowded environments such as airports and shopping malls. In these scenarios, the critical challenges for robot navigation are reliability and timely arrival at predetermined destinations. While existing risk-based motion planning algorithms effectively reduce collision risks with static and dynamic obstacles, there is still a need for significant performance improvements. Specifically, the dynamic environments demand more rapid responses and robust planning. To address this gap, we introduce a novel risk-based multi-directional sampling algorithm, Multi-directional Risk-based Rapidly-exploring Random Tree (Multi-Risk-RRT). Unlike traditional algorithms that solely rely on a rooted tree or double trees for state space exploration, our approach incorporates multiple sub-trees. Each sub-tree independently explores its surrounding environment. At the same time, the primary rooted tree collects the heuristic information from these sub-trees, facilitating rapid progress toward the goal state. Our evaluations, including simulation and real-world environmental studies, demonstrate that Multi-Risk-RRT outperforms existing unidirectional and bi-directional risk-based algorithms in planning efficiency and robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google