Model Predictive Trajectory Optimization With Dynamically Changing Waypoints for Serial Manipulators

要約

たとえば、上位のタスク計画から生じる、動的に変化するウェイポイントを必要な個別のアクションとして体系的に組み込むことは、計画期間が短いオンライン モデルの予測軌道最適化にとっては困難でした。
この論文では、オンライン再計画タスクのための新しいウェイポイント モデル予測制御 (wMPC) の概念を紹介します。
主なアイデアは、現在の計画期間内で到達可能になったウェイポイントで計画期間を分割し、ウェイポイントとゴール ポイントに向かって計画期間の長さを短縮することです。
このアプローチにより、計算負荷が低く抑えられ、状況の変化にリアルタイムで適応する柔軟性が得られます。
提示されたアプローチは、マルチウェイポイント シナリオにおいて (グローバル) オフライン RRT タイプのプランナーと比較して、競争力のある経路長と軌道継続時間を実現します。
さらに、オンラインでタスクを動的に再計画する wMPC の機能は、KUKA LBR iiwa 14 R820 ロボットを使用した動的なピックアンドプレイス シナリオで実験的に実証されています。

要約(オリジナル)

Systematically including dynamically changing waypoints as desired discrete actions, for instance, resulting from superordinate task planning, has been challenging for online model predictive trajectory optimization with short planning horizons. This paper presents a novel waypoint model predictive control (wMPC) concept for online replanning tasks. The main idea is to split the planning horizon at the waypoint when it becomes reachable within the current planning horizon and reduce the horizon length towards the waypoints and goal points. This approach keeps the computational load low and provides flexibility in adapting to changing conditions in real time. The presented approach achieves competitive path lengths and trajectory durations compared to (global) offline RRT-type planners in a multi-waypoint scenario. Moreover, the ability of wMPC to dynamically replan tasks online is experimentally demonstrated on a KUKA LBR iiwa 14 R820 robot in a dynamic pick-and-place scenario.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google