Enhanced Robot Motion Block of A-star Algorithm for Robotic Path Planning

要約

効率的なロボットの経路計画モデルは、検索ノードの数、経路コスト、時間の複雑さの影響を受けやすくなります。
従来の A スター (A*) アルゴリズムは、ヒューリスティック検索において他のグリッドベースのアルゴリズムよりも優れています。
ただし、ロボット モーション ブロック (RMB) に応じて、時間、空間、検索ノードの数に関して最適なパフォーマンスが得られません。
この課題に対処するために、この研究では、ロボットの移動コストが提案された適応コスト関数によって計算される、パフォーマンスを向上させるための A* 経路計画アルゴリズムの最適な RMB を提案します。
また、最適な RMB サイズを選択するための選択プロセスも提案されています。
この提案されたモデルでは、グリッドベースのマップが使用されます。ロボットの次の動作は、周囲のオクテット近傍グリッド セル間を検索することにより、適応コスト関数に基づいて決定されます。
出力データ配列からの累積値は、パラメーターに基づいて定式化される最適なモーション ブロック サイズを決定するために使用されます。
提案された RMB は、障害物を回避して目標位置を見つけるための経路コストをほぼ同じに維持しながら、A* アルゴリズムの検索時間の複雑さと検索ノードの数に大きな影響を与えます。
実験では、ベンチマークされたオンライン データセットが使用され、3 つの異なる次元のマップが作成されました。
提案されたアプローチは、さまざまな寸法と障害物環境を持つ約 7000 の異なるグリッド マップを使用して検証されます。
最適な RMB を使用した提案モデルは、従来の A* アルゴリズムと比較して、検索セル数で 93.98%、時間計算量で 98.94% という顕著な改善を示しました。
提案されたモデルのパス コストは、他の最先端のアルゴリズムとほぼ同等のままでした。
また、提案されたモデルは他の最先端のアルゴリズムよりも優れています。

要約(オリジナル)

An efficient robot path-planning model is vulnerable to the number of search nodes, path cost, and time complexity. The conventional A-star (A*) algorithm outperforms other grid-based algorithms for its heuristic search. However it shows suboptimal performance for the time, space, and number of search nodes, depending on the robot motion block (RMB). To address this challenge, this study proposes an optimal RMB for the A* path-planning algorithm to enhance the performance, where the robot movement costs are calculated by the proposed adaptive cost function. Also, a selection process is proposed to select the optimal RMB size. In this proposed model, grid-based maps are used, where the robot’s next move is determined based on the adaptive cost function by searching among surrounding octet neighborhood grid cells. The cumulative value from the output data arrays is used to determine the optimal motion block size, which is formulated based on parameters. The proposed RMB significantly affects the searching time complexity and number of search nodes of the A* algorithm while maintaining almost the same path cost to find the goal position by avoiding obstacles. For the experiment, a benchmarked online dataset is used and prepared three different dimensional maps. The proposed approach is validated using approximately 7000 different grid maps with various dimensions and obstacle environments. The proposed model with an optimal RMB demonstrated a remarkable improvement of 93.98% in the number of search cells and 98.94% in time complexity compared to the conventional A* algorithm. Path cost for the proposed model remained largely comparable to other state-of-the-art algorithms. Also, the proposed model outperforms other state-of-the-art algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google