Flexible Informed Trees (FIT*): Adaptive Batch-Size Approach for Informed Sampling-Based Planner

要約

経路計画とロボット動作計画への最新のアプローチでは、ほぼ確実に漸近的に最適なプランナーがサンプルベースのプランナーのベンチマークを支配します。
注目に値する例は、プランナーが探索エリア内の頂点グループへのパスを繰り返し決定する Batch Informed Trees (BIT*) です。
ただし、効果的なタスク割り当てに依存して、一貫したバッチ サイズを維持することは、初期パス検索と最適なパフォーマンスにとって重要です。
このペーパーでは、さまざまな環境でのタスク スケジューリングを強化する適応バッチサイズ手法を統合した新しいプランナーである Flexible Informed Tree (FIT*) を紹介します。
FIT* は、計画領域の固有の複雑さとシステムの現在の n 次元超楕円体に基づいてバッチ サイズを動的に調整する柔軟なアプローチを採用しています。
バッチ サイズを常に最適化することで、FIT* はソリューションの品質を維持しながら、計算効率とスケーラビリティの向上を実現します。
この適応型バッチサイズ手法により、プランナーが多様で進化する問題領域を処理する能力が大幅に向上します。
FIT* は、R^2 から R^8 でテストされた問題に関して、既存の単一クエリのサンプリング ベースのプランナーよりも優れたパフォーマンスを示し、KI-Fabrik/DARKO-Project Europe を使用した実環境で実証されました。

要約(オリジナル)

In modern approaches to path planning and robot motion planning, anytime almost-surely asymptotically optimal planners dominate the benchmark of sample-based planners. A notable example is Batch Informed Trees (BIT*), where planners iteratively determine paths to groups of vertices within the exploration area. However, maintaining a consistent batch size is crucial for initial pathfinding and optimal performance, relying on effective task allocation. This paper introduces Flexible Informed Tree (FIT*), a novel planner integrating an adaptive batch-size method to enhance task scheduling in various environments. FIT* employs a flexible approach in adjusting batch sizes dynamically based on the inherent complexity of the planning domain and the current n-dimensional hyperellipsoid of the system. By constantly optimizing batch sizes, FIT* achieves improved computational efficiency and scalability while maintaining solution quality. This adaptive batch-size method significantly enhances the planner’s ability to handle diverse and evolving problem domains. FIT* outperforms existing single-query, sampling-based planners on the tested problems in R^2 to R^8, and was demonstrated in real-world environments with KI-Fabrik/DARKO-Project Europe.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google