A Comparative Study of Rapidly-exploring Random Tree Algorithms Applied to Ship Trajectory Planning and Behavior Generation

要約

高速探索ランダムツリー(RRT)アルゴリズムは、非構造化環境における非ホロノミックビークルのサンプリングベースのプランニングによく用いられている。しかし、我々は、これまでの研究が、このようなアルゴリズムを採用する際の課題を明らかにしていないと主張する。そこで、本稿では、非構造化海洋環境における単一クエリの非ホロノミック運動計画に対して、以前に提案されたRRTアルゴリズムのバリエーションである、ポテンシャルクイックRRT*(PQ-RRT*)、インフォームドRRT*(IRRT*)、RRT*、RRTの性能の最初の比較研究を行う。また、このようなアルゴリズムを海洋領域で採用することの実用性についても議論する。また、これらのアルゴリズムは、衝突回避システム（CAS）の軌道計画だけでなく、船舶の挙動生成によるCASの検証にも有用であると主張する。 当然のことながら、最適RRT変種は、最近傍を考慮した木配線処理による計算時間の増加の代償として、より多くの距離最適経路をもたらす。PQ-RRT*はIRRT*やRRT*よりもわずかに良い結果を達成するが、その代償としてチューニングの複雑さが増し、配線時間が増加する。この結果に基づき、我々は、時間が重要なアプリケーションでは、考慮されたRRTアルゴリズムは、独立したプランナーとして、より小さな問題や障害物の混雑率が低い問題での使用に適していると主張する。これは次元の呪いと、利用可能なメモリや計算資源とのトレードオフに起因する。

要約(オリジナル)

Rapidly Exploring Random Tree (RRT) algorithms are popular for sampling-based planning for nonholonomic vehicles in unstructured environments. However, we argue that previous work does not illuminate the challenges when employing such algorithms. Thus, in this article, we do a first comparison study of the performance of the following previously proposed RRT algorithm variants; Potential-Quick RRT* (PQ-RRT*), Informed RRT* (IRRT*), RRT* and RRT, for single-query nonholonomic motion planning over several cases in the unstructured maritime environment. The practicalities of employing such algorithms in the maritime domain are also discussed. On the side, we contend that these algorithms offer value not only for Collision Avoidance Systems (CAS) trajectory planning, but also for the verification of CAS through vessel behavior generation. Naturally, optimal RRT variants yield more distance-optimal paths at the cost of increased computational time due to the tree wiring process with nearest neighbor consideration. PQ-RRT* achieves marginally better results than IRRT* and RRT*, at the cost of higher tuning complexity and increased wiring time. Based on the results, we argue that for time-critical applications the considered RRT algorithms are, as stand-alone planners, more suitable for use in smaller problems or problems with low obstacle congestion ratio. This is attributed to the curse of dimensionality, and trade-off with available memory and computational resources.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL