CC-VPSTO: Chance-Constrained Via-Point-based Stochastic Trajectory Optimisation for Safe and Efficient Online Robot Motion Planning

要約

不確実性に直面した場合の安全性は、ロボット工学における重要な課題です。
確率的制御問題に対して安全でタスク効率の高いロボットの動作を生成するリアルタイム対応フレームワークを紹介します。
これを、制御されたシステムが安全制約に違反する確率が設定されたしきい値を下回るように制約する、確率制約付きの最適化問題として組み立てます。
この確率を推定するために、モンテカルロ近似を提案します。
我々は、固定数の不確実性サンプルを与えて問題を構築するいくつかの方法を提案します。これにより、元の問題の信頼できる過近似が得られます。つまり、サンプルベースの問題に対するすべての解は、高い信頼度で元の確率制約に準拠します。
結果として生じる問題を解決するために、それをモーション プランナー VP-STO に統合し、強化されたフレームワークを Chance-Constrained (CC)-VPSTO と名付けます。
私たちのアプローチの強みは、i) 根底にある不確実性の分布、システムダイナミクス、コスト関数、または不等式制約の形式についての仮定を持たない一般性であることです。
ii) MPC 設定への適用性。
私たちは、シミュレーションと現実世界のロボット実験の両方において、アプローチの有効性と効率性を実証します。

要約(オリジナル)

Safety in the face of uncertainty is a key challenge in robotics. We introduce a real-time capable framework to generate safe and task-efficient robot motions for stochastic control problems. We frame this as a chance-constrained optimisation problem constraining the probability of the controlled system to violate a safety constraint to be below a set threshold. To estimate this probability we propose a Monte–Carlo approximation. We suggest several ways to construct the problem given a fixed number of uncertainty samples, such that it is a reliable over-approximation of the original problem, i.e. any solution to the sample-based problem adheres to the original chance-constraint with high confidence. To solve the resulting problem, we integrate it into our motion planner VP-STO and name the enhanced framework Chance-Constrained (CC)-VPSTO. The strengths of our approach lie in i) its generality, without assumptions on the underlying uncertainty distribution, system dynamics, cost function, or the form of inequality constraints; and ii) its applicability to MPC-settings. We demonstrate the validity and efficiency of our approach on both simulation and real-world robot experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google