要約
Rapidly Exploring Random Tree (RRT) アルゴリズムは、特に複雑な環境での非ホロノミックな車両ナビゲーションに使用されますが、その特定の課題については十分に評価されていないことがよくあります。
この論文では、海上シングルクエリ非ホロノミック運動計画における、Potential-Quick RRT* (PQ-RRT*)、Informed RRT* (IRRT*)、RRT*、および RRT のバリアントに関する最初の比較研究を紹介します。
さらに、海洋環境でこれらのアルゴリズムを使用する実際性についても説明し、概要を説明します。
また、これらのアルゴリズムは、衝突回避システム (CAS) での軌道計画だけでなく、船舶挙動ジェネレータとして使用した場合の CAS 検証にも有益であると主張します。
最適な RRT バリアントは、より距離に最適なパスを生成する傾向がありますが、複雑なツリー配線と最近傍検索により、より多くの計算時間が必要になります。
アルファ = 0.05 の有意水準でのウェルチの t 検定によって裏付けられた我々の発見は、PQ-RRT* がより短い軌道長を達成する点で IRRT* および RRT* よりわずかに優れているが、より高い調整の複雑さとより長い実行時間を犠牲にしていることを示しています。
回。
結果に基づいて、これらの RRT アルゴリズムは小規模な問題や障害物の混雑率が低い環境により適していると主張します。
これは、次元の呪いと、利用可能なメモリと計算リソースとのトレードオフに起因すると考えられます。
要約(オリジナル)
Rapidly Exploring Random Tree (RRT) algorithms, notably used for nonholonomic vehicle navigation in complex environments, are often not thoroughly evaluated for their specific challenges. This paper presents a first such comparison study of the variants Potential-Quick RRT* (PQ-RRT*), Informed RRT* (IRRT*), RRT*, and RRT, in maritime single-query nonholonomic motion planning. Additionally, the practicalities of using these algorithms in maritime environments are discussed and outlined. We also contend that these algorithms are beneficial not only for trajectory planning in Collision Avoidance Systems (CAS) but also for CAS verification when used as vessel behavior generators. Optimal RRT variants tend to produce more distance-optimal paths but require more computational time due to complex tree wiring and nearest neighbor searches. Our findings, supported by Welch`s t-test at a significance level of Alpha = 0.05, indicate that PQ-RRT* slightly outperform IRRT* and RRT* in achieving shorter trajectory length but at the expense of higher tuning complexity and longer run-times. Based on the results, we argue that these RRT algorithms are better suited for smaller-scale problems or environments 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
| 著者 | Trym Tengesdal,Tom Arne Pedersen,Tor Arne Johansen |
| 発行日 | 2024-04-17 19:15:36+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google