Topology-Driven Parallel Trajectory Optimization in Dynamic Environments

要約

複雑で動的環境内を移動する地上ロボットは、障害物を安全かつ効率的に回避するために、衝突のない軌道を計算する必要があります。
非凸最適化は、リアルタイムで軌道を計算する一般的な方法です。
ただし、これらの方法は局所的に最適な解に収束することが多く、異なる極小値の間で頻繁に切り替わるため、非効率的で安全でないロボットの動作につながります。
この研究では、ロボットの動作と効率を向上させるために複数の異なる回避軌道を計画する、動的環境向けの新しいトポロジー駆動の軌道最適化戦略を提案します。
グローバル プランナーは、別個のホモトピー クラスで軌道を繰り返し生成します。
これらの軌道は、並行して作業するローカルのプランナーによって最適化されます。
各プランナーは同じナビゲーション目標を共有しますが、ローカルでは特定のホモトピー クラスに制約されます。つまり、各ローカル プランナーは異なる回避操作を試みます。
次に、ロボットは、地平線の後退方式で、最小のコストで実現可能な軌道を実行します。
私たちは、歩行者の間を移動する移動ロボット上で、私たちのアプローチが既存のプランナーよりも高速で安全な軌道につながることを実証します。

要約(オリジナル)

Ground robots navigating in complex, dynamic environments must compute collision-free trajectories to avoid obstacles safely and efficiently. Nonconvex optimization is a popular method to compute a trajectory in real-time. However, these methods often converge to locally optimal solutions and frequently switch between different local minima, leading to inefficient and unsafe robot motion. In this work, We propose a novel topology-driven trajectory optimization strategy for dynamic environments that plans multiple distinct evasive trajectories to enhance the robot’s behavior and efficiency. A global planner iteratively generates trajectories in distinct homotopy classes. These trajectories are then optimized by local planners working in parallel. While each planner shares the same navigation objectives, they are locally constrained to a specific homotopy class, meaning each local planner attempts a different evasive maneuver. The robot then executes the feasible trajectory with the lowest cost in a receding horizon manner. We demonstrate, on a mobile robot navigating among pedestrians, that our approach leads to faster and safer trajectories than existing planners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google