CTopPRM: Clustering Topological PRM for Planning Multiple Distinct Paths in 3D Environments

要約

この論文では、3D の乱雑な環境でホモトピックに異なる複数のパスを見つけるためのクラスタリング トポロジカル PRM (CTopPRM) と呼ばれる新しい方法を提案します。
たとえば、障害物を別の側から迂回するなど、このような明確な経路を見つけることは、多くのアプリケーションで役立ちます。
とりわけ、複数の異なるパスの使用は、見つかった軌道が特定のパスの単一のホモトピー クラスのみに制限される最適化ベースの軌道プランナーに必要です。
個別のパスを使用して、サンプリングベースの動作計画をガイドすることもできるため、通路が狭い環境での計画の効率が向上します。
ロードマップと呼ばれるグラフベースの表現は、パス計画や複数の個別のパスを見つけるための一般的な表現です。
ただし、狭い通路が複数ある困難な環境では、環境の接続性を把握するために高密度にサンプリングされたロードマップが必要です。
このような高密度のロードマップで複数のパスを検索すると、計算コストが高すぎます。
したがって、既存の方法の大部分はまばらなロードマップのみを構築しますが、困難な環境ではすべての明確なパスを見つけるのに苦労します。
この目的を達成するために、最初にサンプリングされた密なロードマップをクラスタリングすることによって疎なグラフを作成する CTopPRM を提案します。
このような縮小されたロードマップにより、密なロードマップで捕捉されたホモトピックに異なるパスを迅速に識別することが可能になります。
既存の方法と比較して、CTopPRM はテスト環境で同じ実行時間中にすべての個別のパスを見つける確率がほぼ 20% 向上することを示します。
私たちのメソッドのソース コードはオープンソース パッケージとしてリリースされます。

要約(オリジナル)

In this paper, we propose a new method called Clustering Topological PRM (CTopPRM) for finding multiple homotopically distinct paths in 3D cluttered environments. Finding such distinct paths, e.g., going around an obstacle from a different side, is useful in many applications. Among others, using multiple distinct paths is necessary for optimization-based trajectory planners where found trajectories are restricted to only a single homotopy class of a given path. Distinct paths can also be used to guide sampling-based motion planning and thus increase the effectiveness of planning in environments with narrow passages. Graph-based representation called roadmap is a common representation for path planning and also for finding multiple distinct paths. However, challenging environments with multiple narrow passages require a densely sampled roadmap to capture the connectivity of the environment. Searching such a dense roadmap for multiple paths is computationally too expensive. Therefore, the majority of existing methods construct only a sparse roadmap which, however, struggles to find all distinct paths in challenging environments. To this end, we propose the CTopPRM which creates a sparse graph by clustering an initially sampled dense roadmap. Such a reduced roadmap allows fast identification of homotopically distinct paths captured in the dense roadmap. We show, that compared to the existing methods the CTopPRM improves the probability of finding all distinct paths by almost 20% in tested environments, during same run-time. The source code of our method is released as an open-source package.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google