Design and Evaluation of Motion Planners for Quadrotors

要約

クアッドローターの動作計画の分野は、過去 10 年間で大幅な進歩を遂げてきました。
成功したアプローチのほとんどは 2 つの段階に依存しています。フロントエンドでは、軌道のホモトピー クラスを効果的に指定する幾何学的 (場合によっては運動学的または入力) 制約を組み込むことによって最適なパスを決定します。
もう 1 つは、ロボットのダイナミクスおよび状態/入力の制約によって制約された、適切な目的関数を使用してパスを最適化するバックエンドです。
しかし、幅広い環境に合わせてフロントエンドとバックエンドの両方を設計するための体系的なアプローチや設計ガイドラインはなく、環境の複雑さの度合いを変えて軌道計画アルゴリズムのパフォーマンスを評価した文献もありません。
このペーパーでは、ソフトウェア計画スタックを設計するためのモジュール式アプローチを提案し、2 段階プランナーのパフォーマンスを系統的に評価するためのパラメータ化された環境セットを提供します。
パラメータ化された環境により、環境の混乱と複雑さに応じて、さまざまなフロントエンド プランナーとバックエンド プランナーにアクセスできるようになります。
シミュレーションと実験結果を使用して、さまざまな環境にわたって選択された計画アルゴリズムのパフォーマンスを実証します。
最後に、クアローター運動計画のより詳細な研究を促進するために、計画/評価スタックとパラメーター化された環境をオープンソース化します。https://github.com/KumarRobotics/kr_mp_design で入手できます。

要約(オリジナル)

The field of quadrotor motion planning has experienced significant advancements over the last decade. Most successful approaches rely on two stages: a front-end that determines the best path by incorporating geometric (and in some cases kinematic or input) constraints, that effectively specify the homotopy class of the trajectory; and a back-end that optimizes the path with a suitable objective function, constrained by the robot’s dynamics as well as state/input constraints. However, there is no systematic approach or design guidelines to design both the front and the back ends for a wide range of environments, and no literature evaluates the performance of the trajectory planning algorithm with varying degrees of environment complexity. In this paper, we propose a modular approach to designing the software planning stack and offer a parameterized set of environments to systematically evaluate the performance of two-stage planners. Our parametrized environments enable us to access different front and back-end planners as a function of environmental clutter and complexity. We use simulation and experimental results to demonstrate the performance of selected planning algorithms across a range of environments. Finally, we open source the planning/evaluation stack and parameterized environments to facilitate more in-depth studies of quadrotor motion planning, available at https://github.com/KumarRobotics/kr_mp_design

arxiv情報

提供元, 利用サービス

arxiv.jp, Google