To Explore or Not to Explore: Regret-Based LTL Planning in Partially-Known Environments

要約

この論文では、コセーフ線形時相論理 (LTL) 式で記述される高レベルの仕様に対する最適なロボット経路計画問題を調査します。
ワークスペースのマップ ジオメトリが部分的にわかっているシナリオを考えます。
具体的には、ロボットが物理的にこれらの領域に到達しない限り、後続領域をアプリオリに知らない未知の領域がいくつかあると仮定します。
最悪の場合のコストを最適化する標準的なゲームベースのアプローチとは対照的に、この論文では、そのような部分的に既知の環境での計画の新しい指標として後悔を使用することを提案しています。
固定された未知の環境下での計画の後悔は、実際に発生したコストと、ロボットが後知恵で実際の環境を実現した場合に達成できたであろう最良の応答コストとの差です。
私たちは、LTL 仕様を満たしながら、後悔を最小限に抑える最適な計画を見つけるための効果的なアルゴリズムを提供します。
提案されたフレームワークを説明するために、消防ロボットのケーススタディが提供されます。
新しい指標は、実際に費やしたコストと、未知の領域を探索することで得られる潜在的な利益との間のトレードオフを捉えているため、部分的に既知の環境のシナリオにより適していると我々は主張する。

要約(オリジナル)

In this paper, we investigate the optimal robot path planning problem for high-level specifications described by co-safe linear temporal logic (LTL) formulae. We consider the scenario where the map geometry of the workspace is partially-known. Specifically, we assume that there are some unknown regions, for which the robot does not know their successor regions a priori unless it reaches these regions physically. In contrast to the standard game-based approach that optimizes the worst-case cost, in the paper, we propose to use regret as a new metric for planning in such a partially-known environment. The regret of a plan under a fixed but unknown environment is the difference between the actual cost incurred and the best-response cost the robot could have achieved if it realizes the actual environment with hindsight. We provide an effective algorithm for finding an optimal plan that satisfies the LTL specification while minimizing its regret. A case study on firefighting robots is provided to illustrate the proposed framework. We argue that the new metric is more suitable for the scenario of partially-known environment since it captures the trade-off between the actual cost spent and the potential benefit one may obtain for exploring an unknown region.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google